python读取sas数据集 | 您所在的位置:网站首页 › python读取sas文件 › python读取sas数据集 |
Python部落(python.freelycode.com)组织翻译,禁止转载,欢迎转发。 作者:Randy Betancourt 日期:2016年12月19号 这篇文章是Randy Betancourt的用于SAS用户的快速入门中的一章。Randy编写这本指南,让SAS用户熟悉Python和Python的各种科学计算工具。 本文包括的主题: pandas简介 本章介绍pandas库(或包)。pandas为 Python开发者提供高性能、易用的数据结构和数据分析工具。该包基于NumPy(发音‘numb pie’)中,一个基本的科学计算包,提供ndarray,一个用于数组运算的高性能对象。我们将说明一些有用的NumPy对象来作为说明pandas的方式。 对于数据分析任务,我们经常需要将不同的数据类型组合在一起。一个例子是使用频率和计数的字符串对分类数据进行分组,使用int和float作为连续值。此外,我们希望能够附加标签到列、透视数据等。 我们从介绍对象Series和DataFrame开始。可以认为Series是一个索引、一维数组、类似一列值。可以认为DataFrames是包含行和列的二维数组索引。好比Excel单元格按行和列位置寻址。 换句话说,DataFrame看起来很像SAS数据集(或关系表)。下表比较在SAS中发现的pandas组件。 第6章,理解索引中详细地介绍DataFrame和Series索引。 导入包 为了使用pandas对象, 或任何其它Python包的对象,我们开始按名称导入库到命名空间。为了避免重复键入完整地包名,对NumPy使用np的标准别名,对pandas使用pd。 Series 可以认为Series是含标记的一维数组。这个结构包括用于定位数据键值的标签索引。Series 中的数据可以是任何数据类型。pandas数据类型的详情见这里。在SAS例子中,我们使用Data Step ARRAYs类同于 Series。 以创建一个含随机值的Series开始: 注意:索引从0开始。大部分SAS自动变量像_n_使用1作为索引开始位置。SAS迭代DO loop 0 to 9结合ARRAY产生一个数组下标超出范围错误。 下面的SAS例子,DO循环用于迭代数组元素来定位目标元素。 SAS中数组主要用于迭代处理如变量。SAS/IML更接近的模拟NumPy数组。但SAS/IML 在这些示例的范围之外。 一个Series可以有一个索引标签列表。 Series由整数值索引,并且起始位置是0。 SAS示例使用一个DO循环做为索引下标插入数组。 返回Series中的前3个元素。 该示例有2个操作。s2.mean()方法计算平均值,随后一个布尔测试小于计算出的平均值。 Series和其它有属性的对象,它们使用点(.)操作符。.name是Series对象很多属性中的一个。 DataFrames 如前所述,DataFrames是带有标签的关系式结构。此外,一个单列的DataFrame是一个Series。 像SAS一样,DataFrames有不同的方法来创建。可以通过加载其它Python对象的值创建DataFrames。数据值也可以从一系列非Python输入资源加载,包括.csv文件、DBMS表、网络API、甚至是SAS数据集(.sas7bdat)等等。具体细节讨论见第11章— pandas Readers。 从读取UK_Accidents.csv文件开始。该文件包括从2015年1月1日到2015年12月31日香港的车辆事故数据。.csv文件位于这里。 一年中的每一天都有很多报告, 其中的值大多是整数。另一个.CSV文件在这里,将值映射到描述性标签。 读.csv文件 在下面的示例中使用默认值。pandas为许多读者提供控制缺失值、日期解析、跳行、数据类型映射等参数。这些参数类似于SAS的 INFILE/INPUT处理。 注意额外的反斜杠\\来规范化Windows路径名。 PROC IMPORT用于读取同一个.csv文件。它是SAS读.csv文件的几个方法之一。这里我们采用默认值。 与SAS不同,Python解释器正常执行时主要是静默的。调试时,调用方法和函数返回有关这些对象的信息很有用。这有点类似于在SAS日志中使用PUT来检查变量值。 下面显示了size、shape和ndim属性(分别对应于,单元格个数、行/列、维数)。 读校验 读取一个文件后,常常想了解它的内容和结构。.info()方法返回DataFrame的属性描述。 在SAS PROC CONTENTS的输出中,通常会发现同样的信息。
译者:wangyc |
CopyRight 2018-2019 实验室设备网 版权所有 |