[程式] 有關sas資料處理的問題想請教各位，謝謝^^

[joyce618 (joy)]

------------------------------------------------------------------------


[軟體程式類別]:
SAS

[程式問題]:
資料處理

[軟體熟悉度]:
低(1~3個月)

[問題敘述]:
不好意思，由於最近在寫sas的作業，有出現一些資料處理的問題，
需要再麻煩各位大人了

原始的TXT檔長相如下：
公司            年      月      日      概估年月        財務報表公告日
XXXX    甲公司  2010    4       30      200912           20100430
XXXX    甲公司  2010    4       30      201003           20100430
XXXX    甲公司  2010    8       31      201006           20100831
XXXX    甲公司  2010    10      29      201009           20101029
YYYY    乙公司  2010    3       10      201002
YYYY    乙公司  2010    4       9       201003           20100429
YYYY    乙公司  2010    4       29      200912           20100429
YYYY    乙公司  2010    4       29      201003           20100429

因為之前有讀取過類似格式的TXT檔，發現偶有些TXT檔好像導出資料的時候用
TAB做分隔，因此讀取的時候我是另加DELIMITER='09'X的語法，這次也是利用
這樣的方式讀取TXT檔，但是在檔案中財務報表公告日那列原來為空格的儲存
格，讀進SAS後竟然不是遺失值，而是自動讀取公司代碼，因為我原來打算要把
有空格那列的資料刪除，可是這下就沒辦法用「IF 變數=. THEN DELETE」的作法，
後來我試著用「IF 變數=公司代碼 THEN DELETE」，可是我發現，有些空白格讀
入的不一定是同一列的公司代碼，而是下一列不同的公司代碼，因此到這裡小妹
又卡住了，不知道要如何將財務報表公告日那列原來為空格的那筆資料刪除？

另外，想請問一下，像這種以tab為分隔的txt檔，在讀取的時後，有沒有什麼
辦法可以可以將連在一起的概估年月，像是200912分割成2009   12，財務報
表公告日也是一樣，想把連在一起的年月日分割，我原來有試著用欄位輸入法，
可是好像原始檔用tab分隔的檔案，讀取的時候欄位都會跑掉，之所以要分割是
因為要將概估年月是2009年的刪掉，只想留下2010年的部份，雖然看起來原始
檔案中已經分開列示的年月日等變數和財務報表公告日很像，但是因為我還要將
這個檔案和另外一份合併，再以財務報表公告日為主去比對出另外一份檔案中，
和這份檔案財務報表公告日相同的資料，抓取前後20天的資料，所以在一開始
讀取上述的原始txt檔時，希望盡量能將可以比對的年月日分開列示，以方便進
行比對合併資料。

最後，想請問一下，由於原始TXT檔中，同一家公司可能會出現兩次同樣的概估年度
，如果出現重複的情形，我只想保留第一筆資料，不知道用「NODUPKEY」的語法能不能
處理呢？
不好意思，麻煩各位了，謝謝^^
-----------------------------------------------------------------------------

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.25.244.73
推 west1996:1.原始檔有missing的問題可以參考missover和truncover這
→ west1996:兩個option
→ west1996:2.如果要切年月日的話在input這一句的變數指定方法要作
→ west1996:修改，要跟SAS說每一個變數要從txt的第幾欄讀到第幾欄，
→ west1996:語法請參考help的「input」條目下的list
→ west1996:3.在讀取外部檔階段似乎不能去重複？

先謝謝大人的回答，可能是我表達的不是很清楚，針對大人第一個回答，在原始
檔中空格的部份，我原來以為讀進sas檔中會是遺失值，這樣我就可以針對遺失
值的部份，利用if語句刪除那列，但是，實際操作後，發現sas讀取的時候，原
始檔中原來是空格的部份，sas會自動帶入下一列的公司簡碼，這樣一來，我就
不知道要如何能刪除原始檔中原來是空格的那列資料，因為原始檔好像是用tab
去做分隔，我不太確定是不是因為這個原因所導致這樣的情形，另外，我也有試
過大人所提的，在input時指定每一個變數要從第幾欄到第幾欄，可是，可能是
因為原始檔不是以空格做分隔，而是以tab做分隔，我在原始檔數的欄位，在 sas
讀取後反而會全部跑掉，因為之前沒碰過這樣的情形，所以想請教各位一下，謝
謝^^


剛剛試著參考其他文章選取欄位的作法
試著寫了一段程式
DATA d;
INFILE anndatee  DELIMITER='09'X  FIRSTOBS=2;
INPUT code name$  yr1 month1 date1 Quarter$ annodate$;
DROP yr1 month1 date1;
if length(annodate) eq 4 then delete;
yr2=substr(Quarter,1,4);
month2=substr(Quarter,5,2);
run;

可是我發現又出現以下問題：
1.在log視窗內，出現這段note
  NOTE: 4859 records were read from the infile ANNDATEE.
  The minimum record length was 26.
  The maximum record length was 39.
  SAS went to a new line when INPUT statement reached past the end of a line.
  The data set WORK.D has 4609 observations and 6 variables.
  雖然原始檔有4859筆資料，但是讀進sas檔卻只有4609筆？？？

2.原來設定Quarter及annodate變數時並未改成文字型態，但是採用substr的話卻無法
產生我想要抓取的年月，所以後來改成文字型態進行處理，不知道這樣作對不對，因為
如果要和另外一個檔案以年月進行比較的話，勢必要將該檔案的年月改成文字型態，才
能進行比較。


不好意思，因為老師作業提供的原始檔實在很怪，所以一直出現問題，還請各位多多包涵

謝謝^^
※ 編輯: joyce618        來自: 114.43.116.83        (06/06 23:47)
推 west1996:先在infile後面加上missover和truncover這兩個關鍵字看看
→ west1996:比數會錯就是因為原始資料裡面有missing的原因，先把筆數
→ west1996:和資料讀對了，再來考慮後面的問題，不然也是白搭XD