SAS读取带格式数值：COMMAw.d无法运行，如何修改代码？

你遇到的问题很常见——COMMAw.d输入格式确实能处理美元符号和千分位逗号，但它没法识别末尾的单位后缀（比如你例子里的M），这些非数值字符会让SAS无法解析成数值，导致读取失败或者返回缺失值。下面给你两种可行的解决方案：

方法一：先读为字符，再清理转换 #

这种方法是最灵活的，适合处理各种单位后缀（M、K、B等），步骤如下：

1. 先将带格式的数值读取为字符变量：如果是从外部文件（比如CSV）读取，先定义为字符类型；如果是已有数据集里的变量，直接用字符格式处理。
2. 清理字符中的非数字分隔符：去掉美元符号和逗号。
3. 提取数字部分并转换为数值：用正则表达式或者字符串函数提取纯数字部分，再转成数值；如果需要根据单位调整数值（比如M代表百万），还可以添加单位判断逻辑。

示例代码 #

/* 假设你的原始数据集是have，其中char_amount是带格式的字符变量 */
data want;
    set have;
    /* 第一步：清理字符，去掉$和逗号，同时转成大写统一处理后缀 */
    clean_amount = upcase(compress(char_amount, '$,'));
    
    /* 第二步：提取数字部分并转换为数值 */
    if prxmatch('/^\d+\.?\d*/', clean_amount) then do;
        /* 用正则提取所有数字和小数点部分 */
        num_amount = input(prxchange('s/([\d\.]+).*/$1/', 1, clean_amount), best12.);
        
        /* 可选：根据单位调整数值（比如M=百万，K=千，B=十亿） */
        unit = prxchange('s/[\d\.]+//', 1, clean_amount);
        select(unit);
            when ('M') num_amount = num_amount * 1e6; /* 转成实际数值，比如1000.1M → 1000100000 */
            when ('K') num_amount = num_amount * 1e3;
            when ('B') num_amount = num_amount * 1e9;
            otherwise; /* 没有单位则保持原数值 */
        end;
    end;
    
    /* 清理不需要的中间变量 */
    drop char_amount clean_amount unit;
run;

如果是从外部文件直接读取（比如CSV），代码可以这样写：

filename in_data "C:/your_path/data.csv";
data want;
    infile in_data dlm=',' dsd firstobs=2; /* firstobs=2跳过表头 */
    length char_amount $20; /* 根据实际长度调整 */
    input char_amount var1 var2 $; /* 其他变量按需定义类型 */
    
    /* 下面是同样的清理转换逻辑 */
    clean_amount = upcase(compress(char_amount, '$,'));
    if prxmatch('/^\d+\.?\d*/', clean_amount) then do;
        num_amount = input(prxchange('s/([\d\.]+).*/$1/', 1, clean_amount), best12.);
        /* 可选单位转换 */
        unit = prxchange('s/[\d\.]+//', 1, clean_amount);
        select(unit);
            when ('M') num_amount = num_amount * 1e6;
            when ('K') num_amount = num_amount * 1e3;
            otherwise;
        end;
    end;
    
    drop char_amount clean_amount unit;
run;

方法二：自定义输入格式（适合固定单位场景） #

如果你的数据里只有M这一种单位后缀，也可以自定义一个输入格式来简化处理：

/* 自定义输入格式：去掉$、逗号和M，再转数值 */
proc format;
    invalue custom_num
        '$*,*.M' = [comma12.] /* 匹配$开头、带逗号、结尾M的格式，用comma格式解析 */
        other = [comma12.]; /* 处理其他无单位的情况 */
run;

/* 使用自定义格式读取 */
data want;
    set have;
    num_amount = input(char_amount, custom_num.);
run;

不过这种方法的局限性比较大——如果有多种单位（K、B等），就得不断扩展格式规则，灵活性不如第一种方法。

关键注意点 #

• 如果数据里有小写的单位后缀（比如m），记得用UPCASE()函数统一转成大写，避免匹配失败。
• 要根据实际数值长度调整字符变量的长度（比如$20.），避免截断数据。

内容的提问来源于stack exchange，提问作者plainter