无需指定格式将大型CSV导入SAS的高效方案咨询

不用写几百行变量定义代码，SAS有几种更高效的方式解决这个问题：

1. 优化PROC IMPORT参数（最推荐） #

SAS默认仅读取前20行猜测变量类型，这对百万级数据极易出错。调整GUESSINGROWS参数让SAS读取更多样本行，就能自动识别变量类型，避免手动定义每个变量。

示例代码：

proc import datafile="/path/to/your/file.csv"
    out=clean_data
    dbms=csv
    replace;
    guessingrows=100000; /* 读取前10万行识别类型，也可用MAX读取全部 */
    getnames=yes; /* 第一行作为变量名 */
    dsd; /* 处理带引号字段、逗号分隔的缺失值 */
run;

• GUESSINGROWS=MAX会读取整个文件识别类型，百万行数据完全适用；若担心速度，选10万行也足够覆盖绝大多数变量的取值情况。
• DSD选项必须添加，它能正确解析CSV中的引号、空值（比如示例里的,Yes,这类缺失值）。

2. 简化DATA步输入语句 #

如果PROC IMPORT仍有问题，可使用DATA步，但无需逐个编写变量的length/format，利用列表输入和DSD选项简化代码：

示例代码：

filename csvfile "/path/to/your/file.csv";

data clean_data;
    infile csvfile dsd firstobs=2; /* firstobs=2跳过表头 */
    input VariableA VariableB $ VariableC :mmddyy10.; /* 仅给特殊变量（如日期）指定格式，其余自动识别 */
    format VariableC date9.;
run;

• 只需给特殊变量（日期、长字符等）指定格式/informat，普通数值和短字符变量直接用列表输入即可，SAS会自动分配合适长度。
• 若大部分是字符变量，可统一用$CHAR.格式批量处理，比如input (_all_) ($CHAR.);；若需统一设置长度，可用length VariableA-VariableZ $20;（适用于连续命名的变量）。

3. 自动生成变量定义代码 #

如果必须精确控制每个变量属性，可先导入小样本，再用SAS字典表自动生成代码，无需手动编写170个变量：

步骤：

1. 先导入一小部分数据（比如前1000行）：

proc import datafile="/path/to/your/file.csv"
    out=sample_data
    dbms=csv
    replace;
    guessingrows=1000;
    getnames=yes;
    dsd;
run;

2. 用PROC SQL生成变量的length/format/informat代码：

proc sql noprint;
    select catx(' ', name, type, length) into :length_list separated by ' '
    from dictionary.columns
    where libname='WORK' and memname='SAMPLE_DATA';

    select catx(' ', name, format) into :format_list separated by ' '
    from dictionary.columns
    where libname='WORK' and memname='SAMPLE_DATA' and format is not missing;
quit;

/* 生成的代码直接用于DATA步 */
data clean_data;
    length &length_list.;
    format &format_list.;
    infile csvfile dsd firstobs=2;
    input (_all_) (:);
run;

SAS会自动根据样本数据生成所有变量的属性代码，你仅需微调个别变量即可。

内容的提问来源于stack exchange，提问作者Alan Medina