SAS进阶（一）— 字符型数据清洗

最新推荐文章于 2025-04-10 10:06:55 发布

luminous_y

最新推荐文章于 2025-04-10 10:06:55 发布

阅读量4.8k

点赞数 5

分类专栏： SAS

本文链接：https://blog.youkuaiyun.com/qq_43528771/article/details/105237695

版权

本文详细介绍了SAS中字符型数据的清洗方法，包括非法值检查、大小写转换和消除不可打印字符。同时，探讨了Perl正则表达式在检查数据错误中的应用，如邮政编码、邮箱和电话号码的合法性验证。此外，还讨论了数据标准化的不同方法，如使用FORMAT过程步、数据集和正则表达式。最后，提到了两个文件数据的模糊匹配技巧，利用SQL过程和模糊匹配函数实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

一、字符型数据操作

1）主要清洗方法

少量非法值检查
- FREQ过程 *1.2
非法值检查输出
- DATA_null_步+file print +PUT语句输出 (字符数据模式判别) *1.4-1.5
- PRINT过程步+WHERE语句输出 *1.6
- FORMATS自定义格式 (将数据格式化合法、非法和缺失值三类) (可以创建永久型格式，优选) *1.7-1.9
非法值处理
- 大小写转换 (upcase函数等) *1.3
- 消除单位和字符数据中无法打印的字符 (compress函数) *1.10

2）字符型函数

大小写转换函数
upcase	小写转换成大写
lowcase	大写转换成小写
propcase	每个单词首字母变成大写，其他为小写（有第二个可选参数作为单词之间的分隔符，默认为空格）

判断和搜索函数	前三个函数都有第二个可选参数用于指定搜索的初始位置（-n表示在位置n从右向左搜索），搜索失败返回0
notdigit	搜索非数字字符首次出现的位置并返回整数值
notalpha	搜索非字母字符首次出现的位置并返回整数值
notalnum	搜索非字母数字字符首次出现的位置并返回整数值
findc	(<.source><,chars><,modifiers>) 用于搜索source的值是否出现chars设定的字符列表，modifier同compress
missing	判断缺失