做项目，有时候需要导入外部EXCEL数据作为我们的补充数据集，常见的比如血药浓度、还有一些免疫细胞检测那些。
你们可能好奇为什么是通过外部文件导入的方法，而不是记录在对应的数据集里面？比如CRF上都设计了采集血药浓度的Form，为什么检测结果是通过外部文件传输呢？
一般来说，采集血药浓度，采集的时间、时间点是记录在CRF上，所以我们在数据集就能看到某某受试者什么时间采集了血药浓度，但是血药浓度、细胞这些检测不是进行临床试验的医院能够做的，而是要送去专门的检测机构进行检测，之后他们再将检测结果传输给我们。所以我们处理这些数据集的时候，一般都是通过受试者、采集时间点进行拼接。
需要注意的是，采集的时间和检测的时间是不一样的，我这不一样说的不是时间跨度上的不一样，而是某些domain，IG上规定这个变量记录的就是采集时间，而不是检测时间，所以当两个日期都有的时候，需要注意哪个放在对应的变量上，这是挺容易忽略的一点。
当外部文件传输给我们之后，有的公司会要求先对外部数据进行QC，就是mian侧将外部文件导成数据集，QC也将外部文件导成数据集，之后对数据集进行QC， 说实话，我觉得并不是多上了一层保险。
其他的不说，直接讲我们常用的导入外部文件会出现的状况吧。
我们导入外部文件，最常用的就是proc import了，先看下外部数据，有好几种情况：有数字和字母混合在一起的，有小数点后面是0的（建议大家导出成数据集的时候跟源数据保持一致，就是这个0也保留下来），有百分号
如果数据正常显示的话，我们直接用proc import 加上dbms=xlsx导入
proc import datafile="D:\Practice\test.xlsx"
out=pc_pk
dbms=xlsx replace;
range="sheet1$A1:";
getnames=yes;
run;
①：看log，显示EXCEL里面的列名发生了改变，SAS有时候很奇怪，有时候EXCEL里面的列名能正常显示，也就是说这些“方案编号”、“受试者”也能作为我们数据集的变量名，不知道怎么对中文变量名进行处理的读者，用
'方案编号'n 就能进行正常的变量名处理了，比如rename,keep那些。
但是我还是强烈建议大家不要用getname=yes，因为这次EXCEL文件能输出中文变量名，下次就会像这个log显示的一样，变量名发生了变化，如果你的程序是通过中文变量名进行数据处理，也就是说发生了上面的情况你还要去修改程序，那纯属浪费时间了，我已经吃过好几次亏了，所以，听话。
②：然后发现最后一列小数点后面的0消失了，如上面所说，外部文件是什么样子，我们导出成数据集的时候就输出成什么样，也就是这个0也保留下来，那么如何实现呢？
我们可以通过proc import + DBMS=EXCEL + mixed=yes
如果你想用mixed的话，上面的DBMS必须是EXCEL，而不是xlsx了，而且不能再写成range="sheet1$A1:";这种格式了，而是要改成sheet="sheet1";
proc import datafile="D:\Practice\test.xlsx"
out=pc_pk
dbms=excel replace;
sheet="sheet1";
getnames=yes;
run;
发现有点面目全非了，发现我忘记加上了mixed=yes;加上后发现数据展示的很完美，所以建议大家如果有中文、字母、数字混合的excel文件，还是用这种方法。
而且发现用dbms=excel和dbms=xlsx，不用getname=yes的话，dbms=excel输出的列名是F1,F2,F3......而dbms=xlsx输出的是VAR1,VAR2,VAR3......这个也是需要注意的一点
③：有时候我们自己计算的PK参数，从winnolin导出的时候，发现值是科学计数法，导入到数据集里面也是一样的，这个时候对EXCEL进行一些设置可以显示为正常的数字。
找到这个地方，一个个点下去，都是默认选项，之后选中你需要转换科学技术法的列，格式选择文本，就能正常显示数字了，导入到数据集里面也是正常的数字。
需要和大家讨论的是，如果外部文件发过来是科学计数法，我们这样处理，算是改变数据吗？但是将科学计数法的数据导入到数据集，然后进行一系列处理输出成正常的数据，我觉得也存在精度缺失的问题，还不如提前在EXCEL里面处理，欢迎给出您宝贵的意见。
为什么SAS导入EXCEL会出现上面的各种各样的情况，我没有做深入研究，感兴趣的自己去SAS官网查下吧。
网友评论