SAS编程-小知识：import过程步的Guessingrows选项

最近项目的一个Raw Data的为txt的文本格式，首行为变量名，变量以及变量值以Tab间隔。

Dummy 数据

直接使用import过程步将数据导入SAS数据集，遇到了问题：数据可以正常导入，但是Log会出现Warning和Error。

proc import datafile = "xxx.txt" out = rawdata replace dbms = tab;
  delimiter = "  ";
run;

具体是什么原因造成的呢？在导入过程中，一些原始变量被识别成数值变量，但是变量有一些记录为字符“NA”。这些字符记录导入数据集中显示为缺失，同时也造成Log Issue。

为什么有字符“NA”的变量会识别成数值变量呢？这是因为SAS import的机制是先扫描文件靠前的记录，以确定变量的数据类型以及对应的长度，默认是扫描前20行。

这就解释了上面Log Issue的产生的原因：某些变量的前20条记录为数值，SAS扫描记录判断该变量为数值变量，后续读入时遇到字符记录就触发Log Issue。

如何解决这个问题呢？通过Guessingrows=选项指定一个比较大的扫描行数，这样就可以覆盖变量取值的所有可能性，将靠后记录为字符的变量识别成字符变量。

proc import datafile = "xxx.txt" out = rawdata replace dbms = tab;
  delimiter = "  ";
  guessingrows = max;
run;

Guessingrows=选项除了可以指定行数外，还可以直接指定“MAX”。不过，指定最大值可能对性能造成影响。

感谢阅读， 欢迎关注：SAS茶谈！
若有疑问，欢迎评论交流！