R 在不加载完整数据集的情况下显示 R 中 Stata 或 SAS 文件的变量 list/header

Question

我得到了 SAS 和 Stata 格式的非常大的（每个大约 10 Gb）数据集。我打算将它们读入 R 中进行分析。

有没有办法在不读取整个数据文件的情况下显示它们包含哪些变量（列）？我经常只需要一些变量。我当然可以从文件资源管理器中查看它们，但它不可重现并且需要很多时间。

SAS 和 Stata 均可在系统上使用，但仅打开一个文件可能需要一分钟左右。

Answer 1

如果您有 SAS 运行 a proc contents 或 proc datasets 无需打开数据集即可查看其详细信息。您可能无论如何都想这样做，以便您可以验证变量类型、长度和格式。

libname myFiles 'path to your sas7bdatfiles';

proc contents data=myfiles.datasetName;
run;

Answer 2

参见下面的 dta 解决方案，您可以使用 read_sas 将其更新为 SAS。

library(haven)

# read in first row of dta 
dta_head <- read_dta("my_data.dta",
                     n_max = 1)

# get variable names of dta
dta_names <- names(dta_head)

检查 dta 文件的名称和标签后，您可以删除 n_max = 1 选项并完整阅读，同时可能添加 col_select 选项指定变量的子集你想读进去。

R 在不加载完整数据集的情况下显示 R 中 Stata 或 SAS 文件的变量 list/header

R show variable list/header of Stata or SAS file in R without loading the complete dataset

r

import

sas

stata

preview