SAS笔记： 关于SAS中的length、informat、format功能 （转载）

我们知道，在SAS的数据集里，对每个变量的属性都做了规定，变量类型、长度、输入格式、输出格式等等。

在这节中，我想分享一下关于在对变量的长度设定这一情况下，length语句和informat、format语句的区别。

首先阐述下length语句的SAS官方定义：

Specifies the number of bytes for storing variables.

关于informat语句的SAS官方定义：

Associates informats with variables.

关于format语句的SAS官方定义：

Associates formats with variables.

从定义来看，length是对变量存储长度的设定；informat是对变量输入格式的设定，format是对变量输出格式的设定。

我们可以直接通过日期格式来非常形象的解释这三者的区别，今天是2017年2月16日，以这个日期为例：

datatmp;

informatvar yymmdd8.;

formatvar yymmdd10.;

inputvar $;

var1 = var;

cards;

17-02-16

;

run;

运行打开结果数据集，同时对数据集右击选择列属性：

从上述结果看到日期的输入格式和输出格式，同时通过var1新变量，我们可以看到它的本质是一个数字20866，只是通过format格式展现为日期类型，由于是数值型，长度默认为8，因此我省去了length语句，var1只继承了它的变量长度属性和类型，并没有继承它的输入和输出格式。

当我们在对一个数据集的变量存储长度用length语句进行设定的时候，由于变量的输入格式并未进行设定，所以在通常的情况下变量的informat被默认为length语句下的输入格式，但是在数据的列属性里是看不到这一格式的，举个简单的例子如下：

datatmp;

lengthvar $3;

var = "abc";

run;

运行后点击数据集右键查看列属性：

最终我们看到变量的长度是3，输入格式和输出格式均为空。

而我们直接双击打开数据集，然后双击对应列，查看变量属性：

我们可以看到变量的长度为3，输入格式和输出格式都为$3.，类型为字符型。

那么接下来，我们对变量的informat进行设定，举个简单的例子如下所示：

datatmp;

informatvar $3.;

var = "abc";

run;

运行后对结果数据集进行右击选择列属性，如下所示：

我们看到变量的长度为3，输入格式则变成了$3.。

同理，对于format进行设定，我们也可以得到var的长度为3，输出格式变成$3.。

从上面两种不同的打开方式，我们看到两种不同的结果。

之所以出现两种不同的结果，我个人的观点认为前者所对应的是变量的初始化属性，而后者是变量默认的属性，当变量的输入和输出格式未初始化时，变量初始化为空，变量的默认属性为length语句设定的属性，当变量的输入和输出格式初始化时，变量的默认属性则就是初始化的属性。

之前在前一篇文章SAS中的informat和input，你真的拧得清吗？中，我讲到了关于length语句和informat语句的联系，那么接下来为了能够了解format的功能，我们举个简单的例子：

tmp1数据集采用format语句，tmp2数据集采用length语句，进行纵向合并得到tmp3：

datatmp1;

formatvar $3.;

var = "abc";

run;

datatmp2;

lengthvar $5;

var = "abcde";

run;那么在合并的时候，为了不出现截断问题，我们通常会通过使用length语句或者informat语句来进行长度的设定，如下所示：

datatmp3;

lengthvar $10;

settmp1 tmp2;

run;

最终得到如下的结果：

我们发现在设定var长度为10的情况下，最终的结果还是被截断了，第二行观测值‘abcde’被截断为‘abc’了。

为什么会出现这种情况呢，其实我们所看到的的结果是假的，var的值并没有被截断，只是受到了format语句的影响，我们右击数据集，选择列属性：

我们发现，变量var的输出格式为$3.，因此出现了上面那种被截断的假象。

为了证明这一点，做个简单的测试：

datatmp4;

settmp3;

var1 = var;

run;

通过新生成一个变量var1，var1无初始化输入和输出格式，因此我们可以看到真实的var的值，如下所示：

最终我们看到如上结果，var1的第二行观测值又恢复原值了。

为了避免这种情况，我们可以在length语句的前提下，加上format语句就可以了，如下所示：

datatmp3;

lengthvar $10;

formatvar $10.;

settmp1 tmp2;

run;

这样，我们就能得到如下结果：

上述这种情况在数据处理中其实很容易被我们忽略掉，大多数情况都是在我们使用import过程时，我们初始化了每个变量的informat和format格式，因此在后面处理这些变量时可能碰到这种类似的由于format语句而让你误以为数据产生了截断的情况，所以才有了这一节的提醒，希望能对各位有所帮助。