Question

数据结构：我有一个可以作为Excel或CSV文件读取的数据集。它具有以下变量类型：日期，时间，数字变量，以及应该是错误地将字符附加到数字的数字变量 - 例如-0.011 *和0.023954029324）（最后的括号在单元格中） - 由于编写文件的程序出错。每条记录之间也有空行，删除所有这些内容是不现实的，因为我有数百个要管理的文件。

DATA ISSUE：我们已经确定某些值在字符前是正确的（例如，只要删除了星号，-0.011就是正确的），而其他值，例如0.023954029324），则完全不正确，应该是失踪。请不要对此问题发表评论，因为它不受我的控制，此时我所能做的就是管理数据，直到错误得到修复并且字符值停止写入文件。

SAS问题：

1）如果我将PROC IMPORT与Excel文件一起使用，SAS会使用前八行（CSV文件为20行）来确定变量是数字还是字符。如果括号的星号未出现在前20行中，则SAS表示该变量为数字，然后使任何后续单元格缺少字符值。对于星号，这是不可行的，因为我想维护值的数字部分并在以后的数据步骤中删除星号。使用PROC IMPORT导入Excel文件不允许使用GUESSINGROWS选项（因为它使用CSV文件，见下文）。编辑：此外，MIXED = YES选项不起作用（请参阅下面的评论 - 仍然需要更改SAS使用的行数，对我来说，这意味着此选项会...什么？）。

2）如果我将PROC IMPORT与CSV文件一起使用，我可以指定GUESSINGROWS = 32767并且我非常兴奋，因为它确定了星号是字符并保持星号的变量。但是，非常奇怪的是，不再将带括号的变量确定为字符（就像在导入Excel文件时一样，只要括号位于前20行中），而是删除字符并另外将值舍入为最接近的整数（0.1435980234变为0,1.82149023843变为2等）。这太圆了 - 我需要保持小数位。而且，最重要的是，括号现在已经消失，因此我无法使相应的单元格丢失。我不知道是否有办法使SAS不圆和/或保持括号。对我来说，这是不一致的行为 - 为什么星号而不是括号在这种情况下被认为是一个字符？此外，当我读取带有PROC IMPORT的Excel文件（如（1）中所述）时，可以处理括号（如果它们出现在前20行中） - 另一个不一致。

3）如果我使用INFILE，那么 - 我得到一个错误w /我尝试读入的每个变量 - 这个过程对于数据变化的方式过于敏感和不稳定（我必须编写一个解决方法）对于空白数据行。）

终极目标（请注意，如果这很重要，此代码将在宏中自动运行）：

1）将日期变量读取为日期

2）将时间变量读取为时间

3）能够识别该变量的任何单元格中存在的变量（即使在20行之后）作为字符变量，并保持单元格中的值（即不舍入/删除字符）。这可以通过先验告诉SAS让一组变量成为字符（我会在删除字符/使单元格丢失后将它们更改为数字），或者通过SAS识别变量w /字符本身。

Answer 1

SAS实际上默认使用前8行。这是在注册表设置TYPEGUESSROWS中定义的 - 通常存储在HKLM \ Software \ Microsoft \ Office \ 14.0 \ Access Connectivity Engine \ Engines \ Excel \ TypeGuessRows \（或插入您的办公室版本 - 那里）。将该值更改为FFFF（十六进制）/ 65536（十进制）或其他一些大数字，或者为零以搜索最大行数（超过16000位 - 很难找到确切的数字）。
对于CSV文件，您可以编写数据步骤导入来控制每个变量的格式。最简单的方法是运行PROC IMPORT，然后检查您的日志;日志将包含用于在数据步骤中读取文件的完整代码。然后根据需要修改信息。你说你对Infile方法有太多的麻烦，所以也许这对你不起作用，但通常你可以解决任何不一致的问题 - 如果你的文件不一致，听起来你会做大量的手工工作无论如何。这为您提供了正确读取日期/时间变量的选项。
您还可以将PROC IMPORT / CSV用于日志，将日志写入文件，然后读取并自行生成新的导入代码 - 甚至关闭生成文件的proc内容，做出已知修改。

不确定您对日期/时间的询问，因为您在问题的第一部分没有提及问题。

您有一个额外的选项是在读入之前清除字符（来自CSV）。这很简单，如果它真的只是数字和逗号（以及小数和负号）：

data mydata;
infile myfile /*options*/;
input @@;
length infileline $32767; *or your longest reasonable line;
infileline = compress(_infile_,'.-','kd');
run;

data _null_;
set mydata;
file myfile /*options*/ /*or a new file if you prefer */;
put @1 infileline $32767.; *or your longest reasonable line;
run;

然后使用proc import读取该新文件。我将它拆分为两个数据包，以便您可以看到它，但您可以将它们组合成一个以便于运行 - 在SAS文档中查找“就地更新文件”。您还可以使用特定于OS的工具完成此清理工作;例如，在Unix上，一个简短的awk脚本可以轻松删除行为不端的字符。

导入数字列中包含无效字符的数据

1 个答案: