Python sas7bdat模块使用方法

Question

我需要从SAS数据集中导出数据。我找到了一个名为sas7bdat.py的Python模块，它可以读取SAS .sas7bdat数据集。考虑到其他所需功能，我认为使用Python完成该项目比使用SAS更简单明了。然而，交互式Python中的help(sas7bdat)并不是很有用，我唯一能够找到的导出数据集的例子如下：

import sas7bdat
from sas7bdat import *
# following line is sas dataset to convert
foo = SAS7BDAT('/support/sas/locked_data.sas7bdat')
#following line is txt file to create
foo.convertFile('/support/textfiles/locked_data.txt','\t')

这个并不符合我的要求，因为a）它使用SAS变量名作为列标题，而我需要使用变量标签；b）它使用“nan”来表示缺失的数值，而我更愿意将该值留空。

有人能否指向一些关于sas7bdat.py包含方法的有用文档？我已经用我能想到的所有关键词进行了谷歌搜索，但没有找到。如果没有，能否有人给我提供一个或两个使用readColumnAttributes()、readColumnLabels()和/或readColumnNames()的示例？

谢谢大家。

- at_sea

Answer 1

随着时间的推移，解决方案变得更加简单。如果你想要使用pandas进行工作，我认为这个方案是最简单的：

import pandas as pd
df = pd.read_sas('/support/sas/locked_data.sas7bdat')

请注意，使用df.values很容易获得一个numpy数组。

- Guido

Answer 2

这只是一个部分回答，因为我没有找到[易于阅读的]具体文档。

您可以在此处查看源代码

这显示了一些关于方法需要哪些参数的基本信息，例如：

• readColumnAttributes(self, colattr)
• readColumnLabels(self, collabs, coltext, colcount)
• readColumnNames(self, colname, coltext)

我认为你所寻找的大部分内容都存储在创建SAS7BDAT对象时返回的“header”类中。如果您只打印该类，您会获得很多信息，但您也可以访问类属性。我认为您所寻找的大部分内容可能都在foo.header.cols下。我猜想您将使用各种头属性作为所提到的方法的参数。

也许像这样的东西能让你更接近目标？

from sas7bdat import SAS7BDAT
foo = SAS7BDAT(inFile) #your file here...

for i in foo.header.cols:
    print '"Atrributes"', i.attr
    print '"Labels"', i.label
    print '"Name"', i.name

编辑：和这个问题无关，但是当尝试弄清陌生的类/库中发生了什么时，type()和dir()命令非常有用。

- Richard W

Answer 3

我知道回答有点晚，但如果有人搜索类似的问题。最好的选择是：

import sas7bdat
from sas7bdat import *
foo = SAS7BDAT('/support/sas/locked_data.sas7bdat')
# This converts to dataframe:
ds = foo.to_data_frame()

- Ginger_girl

Answer 4

我个人认为更好的方法是使用SAS导出数据，然后使用Python根据需要处理外部文件。

在SAS中，您可以这样做...

libname datalib "/support/sas";
filename sasdump "/support/textfiles/locked_data.txt";

proc export
    data = datalib.locked_data
    outfile = sasdump
    dbms = tab
    label
    replace;
run;

这样做的缺点是，虽然使用列标签而不是变量名，但标签被双引号括起来。在Python中处理时，如果它们引起问题，您可能需要以编程方式将其删除。希望这能有所帮助，尽管它没有像您想要的那样使用Python。

- Alex A.

---

不是每个人都可以使用SAS——你只需要为每个用户支付几千美元来获得此解决方案。哎呀！如果无论如何你要在Python中处理数据，那么使用python库加载数据也可以最小化软件依赖性，并且可以自动处理许多SAS数据集。 - user48956

Answer 5

我同意很难找到文档。经过几个小时的尝试和搜索，我最终查看了源代码（在此处找到：https://bitbucket.org/jaredhobbs/sas7bdat/src/master/sas7bdat.py）。从中我了解到它有一个选项fh，用于文件处理程序。因此，如果您需要从s3读取数据，可以这样使用它与s3fs：

import s3fs
import sas7bdat
from sas7bdat import *

fs = s3fs.S3FileSystem(anon=False)
f = fs.open(in_file)
with SAS7BDAT(in_file, encoding = 'latin-1', fh=f) as reader:
    my_df = reader.to_data_frame()

由于我的团队还没有使用 Pandas 1.5，并且早期版本存在一个导致重复字符时数据不正确的错误，因此 Pandas 的 read_sas 函数对我无效。

- tallmary