如何基于SAS脚本将NHANES III的DAT数据文件读取导入R中

你拿到的.dat是固定宽度格式的纯文本文件，对应的.sas文件已经给出了所有字段的位置、类型、格式和标签，只要按照SAS脚本中INPUT语句定义的字段位置规则读取即可，以下是不同工具的实现方案：

方法1：Python读取（开源常用方案） #

可以直接用专用解析库读取，不需要手动提取字段规则：

• 先安装依赖：pip install pyreadstat pandas
• 读取代码示例：

import pandas as pd
import pyreadstat

# 直接匹配dat数据文件和sas控制文件读取
df, meta = pyreadstat.read_nhanes(
    dat_path="lab.dat",
    sas_file_path="lab.sas"
)

# 查看结构化数据
print(df.head())
# 可直接导出为csv、parquet等通用结构化格式
df.to_csv("nhanes_lab.csv", index=False, encoding="utf-8-sig")

如果需要手动配置读取，也可以用pandas的read_fwf接口，从SAS脚本的INPUT段提取字段起止位置，手动指定读取规则即可。

方法2：R读取 #

用tidyverse生态的haven包即可直接解析：

• 先安装依赖：install.packages("haven")
• 读取代码示例：

library(haven)
df <- read_nhanes(dat_path = "lab.dat", sas_path = "lab.sas")
# 导出为csv格式
write.csv(df, "nhanes_lab.csv", row.names = F, fileEncoding = "utf-8-sig")

方法3：SAS原生读取 #

你拿到的lab.sas就是官方提供的读取脚本，只需要修改脚本第一行FILENAME后的路径为你本地lab.dat的实际存放路径，直接在SAS软件中运行整个脚本，即可生成结构化的SAS数据集，后续可自行导出为其他通用格式。

注意事项 #

• 读取时注意不要截断行，官方SAS脚本标注了行长度为LRECL=1979，手动配置读取规则时要匹配该参数，避免字段错位
• 带前导零的数值格式（比如Z6.3类格式）上述专用读取函数都会自动处理，不需要额外配置

内容的提问来源于stack exchange，提问作者Adam Waring