通过IMPORT过程读取外部文件数据

通过IMPORT过程读取外部文件数据

除了可以通过DATA步读取外部文本文件数据外，SAS还提供了IMPORT过程，通过它可以从外部数据源读取数据并写入到SAS数据集中。而且，如果使用SAS/ACCESS to PC Files，IMPORT过程除了可以导入带分隔符的文件外，还可以读取PC文件中的外部数据，包括Microsoft Access数据库文件、Miscrosft Excel工作薄、Lotus 1-2-3文件、dBase文件、JMP文件、SPSS文件、Stata文件、Paradox等。SAS变量的定义根据输入记录确定。

在SAS窗口环境选择菜单文件=>导入数据可以打开导入窗口，通过导入向导可读取上述类型的数据。导入过程所生成的SAS语句也可以保存起来供以后使用。

对应于IMPORT过程和SAS窗口环境的IMPORT向导，SAS还提供了EXPORT过程和EXPORT向导（选择菜单文件=>导出数据），以便将SAS数据集中的数据导出到上述类型的文件。对此这里不做讲解，有兴趣的读者可以通过SAS帮助文档学习。

IMPORT过程的导入数据的基本形式如下：

PROC IMPORT

DATAFILE=文件名|文件引用 | DATATABLE=表名

DBMS=数据源标识符

OUT=数据集名称;

RUN;

在上述形式中：

DATAFILE=指定输入文件的完整路径和文件名，或文件引用。文件引用通常通过FILENAME语句指定。

下面给出了几个例子，分别讲解通过IMPORT过程导入CSV文件、Microsoft Excel工作薄和Microsoft Access数据库文件中的数据。

读取CSV文件

外部文件contact.csv的内容如下，文件第一行给出了各个数据行中数据值字段的名称，后面的各行则为对应的字段值。

Name,Age,Position,Marriage,Address

Greg William,42,Manager,Single,"14 Bridge St. San Francisco, CA"

Emily Cooker,33,Sales,Married,"42 Rue Marston"

Henry Cooper,,Office,Married,"52 Rue Marston Paris"

Jimmy Cruze,34,Manager,Single,"Box 100 Cary, NC"

使用IMPORT过程导入该文件的代码如下：

proc import out=saslib.contact

datafile="c:\sas\data\contact.csv"

dbms=csv replace;

getnames=yes;

datarow=2;

run;

proc print data=saslib.contact noobs;

run;

所生成的数据集为saslib逻辑库中的contact数据集，数据文件为c:\sas\data\contact.csv，选项DBMS=指定数据库类型为csv。其中文件扩展名可以省略，SAS会根据DBMS=选项指定的据库类型自行加上。

代码中还使用了REPLACE选项，表示当OUT=指定的数据集存在时覆盖该数据集。GETNAMES语句表示是否从该文件中的第一行读取变量值，默认为YES，表示读取。值为NO表示不读取，这时IMPORT过程会自动产生名为F1、F2、F3的变量等。

DATAROW=语句也会经常使用，用于指定IMPORT语句开始读数据的行号。默认情况下，当GETNAMES=NO时，DATAROW=1，当GETNAMES=NO时，DATAROW=2。该选项可用于跳过数据文件开始处的多行内容。

PRINT过程打印的数据集内容如图2.47所示。

图2.47 PRINT过程打印的数据集

读取 Microsoft Excel 工作薄

IMPORT过程可以导入Microsoft Excel工作薄中的数据。在Excel 2007中文件的工作薄pag的内容如图4.28所示。在该图中，共包含了A~E五列，第一行为字段名称，从第二行开始为数据值。

图2.48 工作薄pag的内容

下面使用IMPORT过程读入该工作薄的指定区域。

proc import out=saslib.contact

datafile="c:\sas\data\contact.xlsx"

dbms=xlsx replace;

range="pag$A1:E5"n;

run;

proc print data=saslib.contact noobs;

run;

IMPORT过程中可以使用RANGE=语句指定所导入的区域。在使用IMPORT过程处理工作薄的数据之前，可先通过Microsoft Excel的“名称管理器”定义要处理的数据的区域，在IMPORT过程中，使用RANGE=语句指定该数据区域的名称，或直接在RANGE=语句中指定数据区域。本例中为直接指定，区域为工作薄为pag的从A1到E5的矩形区域。PRINT过程打印的数据集的内容如图2.49所示。

图2.49

注意：

1) DBMS=XLSX可以处理Microsoft Excel 2007或Microsoft Excel 2010的工作薄。对于其他更早版本的Microsoft Excel生成的工作薄，需使用其他类型，例如XLS、EXCEL4、EXCEL5。

2) 还可使用EXCEL数据库类型EXELCS并通过SAS PC文件服务器来读取相应版本的Excel工作薄。

3) 也可以直接使用LIBNAME语句通过SAS/ACCESS EXCEL引擎来访问Excel工作薄。

具体请参考SAS帮助文档。

通过DBMS=XLS或DBMS=XLSX来读取Excel文件中的数据还有一个好处，即可以直接在UNIX环境下读取Excel工作薄中的数据，不需要访问PC文件服务器。

读取 Microsoft Access 数据库文件

Microsoft Access是一个桌面关系型数据库系统，通常使用Microsoft ACE引擎（.accdb文件格式）或Microsoft Jet引擎（.mdb文件格式）。在IMPORT过程中指定DBMS为ACCESS，SAS可以读取在Microsoft Access 97、Microsoft Access 2000、Microsoft Access 2003、Microsoft Access 2007和Microsoft Access 2010中的文件。例如：

proc import out=saslib.customer

datatable="customer"

dbms=access replace;

database="c:\sas\data\customer.accdb";

RUN;

在IMPORT过程中使用access数据库类型，实际使用的是SAS/ACCESS LIBNAME引擎。也可以直接使用LIBNAME语句通过SAS/ACCESS ACCESS引擎来访问Microsoft Access数据库文件。

DATATABLE=指定输入DBMS表名。数据源可以通过DATAFILE或DATATABLE指定。

DBMS=指定要导入的数据类型。SAS支持多种数据类型，例如CSV、TAB、ACCESS、XLSX、XLS、EXCEL、JMP、DTA、SPASS等。其中CSV、TAB表示要导入的数据文件分别由逗号和tab符号分隔、ACCESS表示使用LIBNAME语句的Miscrosoft Access 表、XLSX表示Micorsoft Excel 2007或2010的工作薄，等等。可参考SAS帮助文档关于导入数据类型和各类型的详细信息。

OUT=指定输出的数据集名称。该语句后面还可以添加数据集选项。