SAS 程序冷知识——proc import中遇到的那些bug

一、sheet名字过长的问题

当我们用proc import导入一个excel文档的时候，经常会出现这样的情况：

这是因为excel的sheet名字过长导致的（有时候DM老是把sheet名字弄的老长，还后面缀这日期，搞得每次更新文件都先改程序）。

这种情况下最简单的处理就是手动修改excel的sheet名字，但是一般作为正式项目，作为外部数据的excel是不好随便改的。

既然不能改文件就只能改程序了，这里提供一个新的方法：

上面是导入失败的程序，下面是成功的

这两段程序到底哪里有不同呢？最主要的是dbms=的值不同，前者填写的是excel，后者填写的是xlsx。需要注意的是填写xlsx后，原来的两个参数就不能用了需要删掉。

二、全部导入成字符型

有的时候excel文档是很讨厌的，比如原来数据是1.20，当转成SAS的时候，程序会“贴心”的把变量转成数值型，从而丢掉了1.20后面的0。这本来不影响分析，但是ORRES是要收集原始值的，人家填的是1.20，你怎么能写1.2呢？这个时候就需要我们强制把excel所有变量都变成字符型。

其实这是个偷懒的小技巧。我们只需要修改getnames=这个参数为no，这样excel第一行就会被当作变量的值而不是变量名或标题了。而excel的第一行一般来说，都是含有字符的，所以这样会让所有变量都被当作字符型处理。

当然，我们还可以直接修改excel，在excel中就直接把所有变量都定义为字符的，但是这样又犯了改原始数据的忌讳总之不推荐。

最后需要注意的是，mixed选项是很重要的，如果是no的话，一列中如果有纯数字的话很容易被判定为数值型，从而把那些有字符的变量置空。加了mixed=yes以后，一列中如果既有数字又有字符，就会被判定为字符型。但如果一列真的是纯数字，则会被判定为数值型。另外，对于日期格式，如果没有mixed话，会把日期导成date格式的数值型，但使用mixed之后，日期也会被当作字符处理。

三、导入字符的长度问题

如果dbms=excel的话，导入的字符变量最大长度默认是1024，再长会截断。但是如果加入语句textsize=32767;可以设定这个长度。但是如果dbms=xlsx的话，就不会出这个问题。

网上说scantext是可以自动扫描变量的最大宽度的，但是实际操作下来似乎并非如此，具体有什么作用还不知道。

四、预读观测问题

尽管使用了textsize=32767;，有些变量还是会被截断。这是因为SAS在读入的时候，是预先检查excel前面的若干行来判断长度和变量类型的，所以如果特别长的值在最后几行，可能会导致没有检查到改行，从而变量长度比值要短，以至于发生了截断。这种情况就要用dbms=xlsx了。