在python中使用pandas将SAS数据集 (.sas7bdat) 转换为dataframe, excel或csv格式

pandas 是 python 中强大的数据分析库。在早期,pandas 只支持 xport (.XPT) 格式的导入,那时如果想要导入 sas7bdat 格式,需要借助 pipy 上的第三方包 sas7bdat。幸运的是,从 0.18 版本开始,这个第三方 sas7bdat 包已原生包含在了 pandas 的 read_sas 中。

用法:

import pandas as pd

sas7bdat_file = "/path/to/sample.sas7bdat"
df = pd.read_sas(sas7bdat_file) # 得到的是一个标准的 pandas.dataframe 对象

df.head() # 显示前面几行
df.tail() # 显示结尾几行

df.to_csv("/path/to/sample.csv")

需要注意的是,早期版本中虽然支持将 *.sas7bdat 中的日期字段导出为日期类型的 dataframe 列,但是只支持 “MMDDYY”格式的日期(其实是个 bug);对于其他格式的日期,会被认为是数值,因此导出到 csv 后如果用 Excel, LibreOffice 等电子表格软件打开,日期会相差21916天(参见我的另一篇早期博文:如何将sas中以整数表示的日期转换为excel日期

幸运的是,从 panas 0.22 版本开始,这一缺陷已经不存在,几乎所有的日期格式已被支持,已不需要进行额外的转换。

如果您的 pandas 版本低于当前 PyPi 上的最新版本,建议您立即更新。更新方法:

# 列出过时的软件包:
pip3 list --outdated

# 更新 pandas:
pip3 install -U pandas

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注