sas - 使用 PROC EXPORT 时，如何阻止 SAS 向每个字符串变量添加额外的空字节？

Question

当我使用 PROC EXPORT 将数据集导出为 Stata 格式时, SAS 9.4 自动扩展为每个字符串变量的每次观察添加一个额外的(空)字节。例如，在这个数据集中:

data test1;
    input cust_id   $ 1
          month       3-8
          category  $ 10-12 
          status    $ 14-14
;
datalines;
A 200003 ABC C
A 200004 DEF C
A 200006 XYZ 3
B 199910 ASD X
B 199912 ASD C
;
quit;

proc export data = test1
    file = "test1.dta"
    dbms = stata replace;
quit;

变量 cust_id , category , 和 status应该是 str1 , str3 , 和 str1在最终的 Stata 文件中，因此每次观察分别占用 1 个字节、3 个字节和 1 个字节。但是，SAS 会自动为每个观察值添加一个额外的空字节，从而将它们的数据类型扩展为 str2。 , str4 , 和 str2输出的Stata文件中的数据类型。

这是非常有问题的，因为这是添加到每个字符串变量的每次观察中的额外字节。对于大型数据集(我有一些具有约 5.3 亿个观测值和大量字符串变量)，这可以为导出的文件增加几 GB。

一旦文件加载到 Stata 中， compress Stata中的命令可以自动删除这些空字节并缩小文件，但对于大型数据集， PROC EXPORT向文件中添加了如此多的额外字节，以至于我一开始并不总是有足够的内存将数据集加载到 Stata 中。

有没有办法阻止 SAS 首先填充字符串变量？当我导出一个带有一个字符串变量的文件(例如)时，我希望该变量作为一个字符串变量存储在输出文件中。

Answer 1

这就是您如何使用现有函数来做到这一点。

filename FT41F001 temp;
data _null_;
   file FT41F001;
   set test1;
   put 256*' ' @;
   __s=1;
   do while(1);
      length __name $32.;
      call vnext(__name);
      if missing(__name) or __name eq: '__' then leave;
      substr(_FILE_,__s) = vvaluex(__name);
      putlog _all_;
      __s = sum(__s,vformatwx(__name));
      end;
   _file_ = trim(_file_);
   put;
   format month f6.;
   run;

避免使用_FILE_；

data _null_;
   file FT41F001;
   set test1;
   __s=1;
   do while(1);
      length __name $32. __value $128 __w 8;
      call vnext(__name);
      if missing(__name) or __name eq: '__' then leave;
      __value = vvaluex(__name);
      __w = vformatwx(__name);
      put __value $varying128. __w @;
      end;
   put;
   format month f6.;
   run;