sas - 将数据读入 SAS，列未对齐

Question

我有一个看起来像这样的数据文件:

001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006

我发现将其读入 SAS 的任务基本上是不可能的。不，在这种情况下，重新格式化数据文件是不可能的。因此，让我解释一下您在这里看到的内容:

每个主题有两行数据。第一行是——

科目编号/诊所/wt/hr/dx/sx
(不要担心数字的含义，那是无关紧要的)。

第二行是文本，它基本上是一个包含额外信息的注释，涉及其数据在前一行中列出的主题。所以，这些行:

001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks

用于单个主题。主题 001。这些需要成为 SAS 数据集中的一行。我完全不知所措；由于诊所名称的长度不同，并且数字列未对齐，我无法弄清楚如何让 SAS 读取此内容。这是我能得到的最接近的:

data ClinData;
    infile "&wdir.clinic_data.txt";
    retain patno clinic weight hr dx sx exinfo;
    input patno clinic $1. @;
    if clinic='M' then
        input patno @5 clinic $11. weight hr dx sx / @1 exinfo $30.;
    else if clinic='H' then
        input patno @5 clinic $3. weight hr dx sx / @1 exinfo $30.;
    run;

这打印为:

http://i61.tinypic.com/2uswl90.png

所有的数值都在正确的位置。

然而，这有几个问题。

首先，主题编号 ('patno') 始终显示为缺失值。为什么？

其次，诊所仅由其首字母“M”或“H”表示。我无法让 SAS 根据它是哪个诊所来更改诊所变量的长度。

第三，变量“exinfo”包含关于患者的注释。但是，我无法让 SAS 包含整行。在格式失控之前，我能得到的最高值大约是 30 个字符。

有什么帮助吗？对于这种类型的输入，SAS 文档非常糟糕。没有一个示例真正符合我的需要，也没有充分解释如何使用某些选项。我知道我需要使用列/行指针；但问题是各行的列不一致。所以无论我使用哪种指针格式，仍然会有不正确的行。

Answer 1

SAS 中没有什么是不可能的。查看您的样本数据，我注意到您的诊所名称后面有两个空格，并且您的患者编号始终是三个字符。如果这总是正确的，您可以利用它来发挥您的优势:

data want;
  length patno $3 clinic $20 weight hr dx sx 8 exinfo $80;
  input;
  patno  = scan(_infile_,1,' ');
  clinic = substr(_infile_,5,index(_infile_,'  ')-5);
  weight = input(scan(_infile_,-4,' '),8.);
  hr     = input(scan(_infile_,-3,' '),8.);
  dx     = input(scan(_infile_,-2,' '),8.);
  sx     = input(scan(_infile_,-1,' '),8.);
  input exinfo $80.;

datalines;
001 Mayo Clinic  120 78 7 15 
Patient has had a persistent cough for 3 weeks
023 Mayo Clinic  157 72 10 2 
Patient complained of ear ache
064 HMC  201 59 . . 
Patient left against medical advice
003 HMC  166 58 8 15 
Patient placed on beta-blockers on 7/1/2006
run;

基本上这是解析自动变量 _INFILE_ 读取每个变量。 “难”的部分是如何阅读诊所名称(因为它包含嵌入的空格)。如果诊所并不总是有那个双空白，您仍然可以通过 substr 的其他操作来做到这一点。 , index ，和/或 scan职能。如果是这样的话，我会把它留给你。

此外，在创建新数据集时，始终使用长度语句定义变量以确保它们具有正确的长度，尤其是对于字符变量。