将 SAS sas7bdat 数据读入 R

Question

R 有哪些选项可以将原生 SAS 格式的文件 sas7bdat 读取到 R 中？

1997-98 年来自 LEA Universe 的 NCES Common Core, for example, contains an extensive repository of data files saved in this format. For concreteness, let's focus on trying to read in this 文件，其中包含从 A 到 I 的所有州的实体的教育机构级别人口统计数据。

这是来自 SAS 的数据预览：

将这些数据引入我的 R 环境的最简单方法是什么？我没有任何可用的 SAS 版本，也不愿意付费，所以简单地将其转换为 .csv 会很麻烦。

Answer 1

问题

问题似乎是您尝试使用的文件格式不正确。具体来说，空白单元格未编码（R 使用 NA），而只是留空。当尝试加载制表符分隔的文件时，这会给 R 带来问题，它认为列数不正确。

使用 SAS 文件的解决方法

我找到了一个解决方法，使用 sas7bdat 包加载 SAS 文件，然后将空白单元格 ("") 重新编码为 NA:

install.packages("sas7bdat")
require("sas7bdat")
download.file("http://nces.ed.gov/ccd/Data/zip/ag121a_supp_sas.zip",
              destfile = "sas.zip")
unzip("sas.zip")
sas <- read.sas7bdat(file = "ag121a_supp.sas7bdat", debug = FALSE)
sas[sas == ""] <- NA

不过，此方法有两个问题需要注意：

速度很慢（查看评论）
sas7bdat 包在其作者撰写本文时目前被认为是实验性的。因此它可能不会加载所有 sas 文件，我会在使用前彻底检查它所做的不一致。

非 R 解决方案

它不完全规范，但您也可以下载制表符分隔的文件，在 LibreOffice Calc 中打开它们（Microsoft Excel 似乎搞砸了），然后通过搜索 "" 并替换为 NA.

Answer 2

sas7bdat 除了我正在查看的一个文件（具体来说，this one）以外的所有文件都工作正常；在向 sas7bdat 开发人员 Matthew Shotwell 报告错误时，他还向我指出了 Hadley 在 R 中的 haven 包的方向，它也有一个 read_sas 方法。

这种方法的优越性有两个原因：

1) 读取上面链接的文件没有任何问题 2) 它比 read.sas7bdat 快 much（我说的是 much）。这是一个快速基准（在 this 文件上，比其他文件小）作为证据：

microbenchmark(times=10L,
               read.sas7bdat("psu97ai.sas7bdat"),
               read_sas("psu97ai.sas7bdat"))

Unit: milliseconds
                              expr        min         lq       mean     median         uq        max neval cld
 read.sas7bdat("psu97ai.sas7bdat") 66696.2955 67587.7061 71939.7025 68331.9600 77225.1979 82836.8152    10   b
      read_sas("psu97ai.sas7bdat")   397.9955   402.2627   410.4015   408.5038   418.1059   425.2762    10  a

没错——haven::read_sas 比 sas7bdat::read.sas7bdat 少 99.5% 的时间。

次要更新

我以前无法弄清楚这两种方法是否产生了相同的数据（即，两者在读取数据方面具有相同的保真度），但最终做到了：

# Keep as data.tables
sas7bdat <- setDT(read.sas7bdat("psu97ai.sas7bdat"))
haven <- setDT(read_sas("psu97ai.sas7bdat"))

# read.sas7bdat prefers strings as factors,
#   and as of now has no stringsAsFactors argument
#   with which to prevent this
idj_factor <- sapply(haven, is.factor)

# Reset all factor columns as characters
sas7bdat[ , (idj_factor) := lapply(.SD, as.character), .SDcols = idj_factor]

# Check equality of the tables
all.equal(sas7bdat, haven, check.attributes = FALSE)
# [1] TRUE

但是，请注意 read.sas7bdat 为文件保留了大量属性列表，可能是 SAS 的保留：

str(sas7bdat)
# ...
# - attr(*, "column.info")=List of 70
#   ..$ :List of 12
#   .. ..$ name  : chr "NCESSCH"
#   .. ..$ offset: int 200
#   .. ..$ length: int 12
#   .. ..$ type  : chr "character"
#   .. ..$ format: chr "$"
#   .. ..$ fhdr  : int 0
#   .. ..$ foff  : int 76
#   .. ..$ flen  : int 1
#   .. ..$ label : chr "UNIQUE SCHOOL ID (NCES ASSIGNED)"
#   .. ..$ lhdr  : int 0
#   .. ..$ loff  : int 44
#   .. ..$ llen  : int 32
# ...

所以，如果您需要这些属性（例如，我知道有些人特别热衷于 label），也许 read.sas7bdat 毕竟是你的选择。

Answer 3

自 2018 年 1 月 18 日起，haven R 库会将 sas 和 stata 数据集加载到 R 环境中。在 R 中，只需：

library(haven)
data <- read_sas("C:/temp/mysasdataset.sas7bdat")
View(data)

您也可以在 R studio 中手动加载数据。在环境窗格中，选择

Import Dataset > From SAS...

Select 文件位置并单击 "Import"

Answer 4

另一个选择可能是我的 readsas 包裹。语法类似于 foreign 包中的一个和 read-series 的其他语法。导入的数据作为带有属性的 data.frame() 返回。该软件包是从头开始编写的，具有读取未压缩和压缩 sas7bdat 文件的支持。

尽管已经过大量测试，该软件包仍处于早期开发阶段。

library(readsas)
dat <- read.sas("psu97ai.sas7bdat")

将 SAS sas7bdat 数据读入 R

Read SAS sas7bdat data into R

r

r-faq

问题

使用 SAS 文件的解决方法

非 R 解决方案

次要更新