如何用DO循环替代PROC TRANSPOSE处理SAS带表头的长/宽数据

一、长格式数据转宽格式（带分隔表头的数据块） #

需求说明 #

长格式CSV按数据块划分，每个块开头是包含SiteID、AQS、Code的表头行，块内是3行数据：分别对应Max、MinSaleValue、Count的变量值。最终需要生成宽格式数据集，每行包含SiteID、AQS、Code以及这三个变量的数值。

解决方案代码 #

data InputDS.WideFromLong;
    infile RawData('Long Data.csv') dlm='092C'x dsd truncover firstobs=7;
    length SiteID $20 AQS $20 Code $20 Max MinSaleValue Count 8;
    retain SiteID AQS Code;  /* 跨数据行保留表头变量值 */
    input varname $ value;   /* 读取每行的变量名与对应值 */

    /* 识别并处理表头行 */
    if varname = 'SiteID' then do;
        SiteID = value;
        input AQS Code;  /* 读取表头行剩余两个字段 */
        delete;  /* 表头行仅更新变量，不输出 */
    end;

    /* 将不同变量名的数值映射到目标变量 */
    select(varname);
        when('Max') Max = value;
        when('MinSaleValue') MinSaleValue = value;
        when('Count') Count = value;
    end;

    /* 读取完当前块最后一个变量时，输出完整宽格式记录 */
    if varname = 'Count' then output;
run;

代码说明 #

• RETAIN语句确保数据块内的所有数据行都能关联到同一组SiteID、AQS、Code值。
• 通过判断varname识别表头行，更新保留变量后跳过输出，避免表头混入数据。
• 用SELECT语句匹配变量名赋值，当读取到Count行时，说明当前块的三个变量已全部读取，输出一条完整的宽格式记录。

二、宽格式数据转长格式（含200组重复变量） #

需求说明 #

宽格式CSV每行包含SiteID、AQS、Code，后续有200组MaxN、MinN、CountN列（N从1到200）。需要转成长格式，每行对应一组Max、Min、Count值，并关联对应的SiteID、AQS、Code。

解决方案代码 #

/* 读取宽格式数据集，确保所有变量加载完整 */
data InputDS.WideData;
    infile RawData('Wide Data.csv') dlm=',' dsd truncover firstobs=6;
    input SiteID $ AQS $ Code $ Max1-Max200 Min1-Min200 Count1-Count200;
run;

/* 数组+DO循环转长格式 */
data InputDS.LongFromWide;
    set InputDS.WideData;
    length GroupNum 3;
    /* 定义数组对应三组重复变量 */
    array max_arr[200] Max1-Max200;
    array min_arr[200] Min1-Min200;
    array count_arr[200] Count1-Count200;

    /* 遍历200组变量，生成长格式记录 */
    do GroupNum = 1 to 200;
        Max = max_arr[GroupNum];
        MinSaleValue = min_arr[GroupNum];
        Count = count_arr[GroupNum];
        /* 跳过全缺失的无效组 */
        if not(missing(Max) and missing(MinSaleValue) and missing(Count)) then output;
    end;

    /* 保留所需变量，删除原宽格式的数组变量 */
    keep SiteID AQS Code GroupNum Max MinSaleValue Count;
run;

代码说明 #

• 读取宽数据时，利用SAS变量列表简化写法，一次性加载所有200组重复变量，避免遗漏。
• 定义三个数组分别对应MaxN、MinN、CountN系列，通过DO循环遍历1到200，每次将数组值赋值给长格式变量并输出记录。
• 增加缺失值判断，过滤无数据的组，减少无效记录。

内容的提问来源于stack exchange，提问作者glico