有没有Python模块可以打开IBM SPSS（即.sav）文件？如果有最好是最新的，不需要任何额外的dll文件/库。
10个回答
41
我发布了一个名为“pyreadstat”的Python包，它可以读取SPSS（sav、zsav和por）、Stata和SAS文件。它是围绕C库ReadStat包装的，因此非常快速。 ReadStat是R库Haven后端使用的库，该库被广泛使用且非常稳健。
该软件包是自包含的。它不需要使用R（无需安装额外的应用程序），也不依赖于IBM dll或其他外部库。
例如，要读取SPSS sav文件，您可以执行以下操作：
import pyreadstat
df, meta = pyreadstat.read_sav("/path/to/sav/file.sav")
df 是一个 pandas 的数据帧。Meta 包含元数据，例如变量标签或值标签。 read_sav 读取 sav 和 zsav（压缩）文件。还有一个 read_por 函数用于旧的 por（便携式）文件。
您可以在这里找到它：https://github.com/Roche/pyreadstat
- Otto Fajardo
6
这就是我喜欢Python的原因。在很多地方都尝试过后，最终决定使用Python。而且第一次就成功了。谢谢。 - mradul dubey
这个库的性能非常棒！非常感谢。 - Martin Bucher
我来晚了，但我想发表一下我的意见。对我来说，我正在远程服务器上工作，有时在尝试pip安装新软件包等操作时会出现问题，因此在
scipy.io中有一个名为readsav的函数适用于我，并且已经包含在内。另一个使用pandas.rpy.common的最佳答案对我也不起作用，因为显然这不是rpy包含的属性。 - Steven Thomas@StevenThomas 注意，scipy.io.readsav 读取的是 IDL sav 文件，而不是 SPSS sav 文件（本主题的话题）。IDL 是完全不同的编程环境。Pyreadstat 只能读取 SPSS 文件，无法读取 IDL 文件。 - Otto Fajardo
@OttoFajardo 谢谢您的澄清，我没有意识到有不同类型的.sav文件。也许我应该删除我的评论？ - Steven Thomas
很多人对此感到困惑，所以让我们留下注释，我会这么说。 - Otto Fajardo
14
当您拥有版本号为 pandas >= 0.25.0 的 pandas 时，现在您可以只需执行
pd.read_spss()：# you need pandas >= 0.25.0 for this
import pandas as pd
df = pd.read_spss('your_spss_file.sav')
这个库需要pyreadstat作为前提条件，所以您可能需要先安装它：
pip install pyreadstat
pd.read_spss()函数的参数详解：
参数
----------
path：字符串或路径类型
文件路径usecols：类似列表的对象，可选参数
返回子集列。如果为None，则返回所有列。
convert_categoricals：布尔值，默认为True
转换分类列为pd.Categorical类型。返回值
-------
DataFrame
- Sander van den Oord
11
根据你想做的事情——使用rpy2中的R相关命令来处理数据，或者切换到Python——有一个相关主题上由@Spacedman提供的解决方案可能很容易地适应你的需求。
否则，Pandas包括一个方便的rpy2封装器。这里是一个与Peat和Barton的weights.sav数据集一起使用的示例:
>>> import pandas.rpy.common as com
>>> filename = "weights.sav"
>>> w = com.robj.r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)
>>> w = com.convert_robj(w)
>>> w.head()
ID WEIGHT LENGTH HEADC GENDER EDUCATIO PARITY
1 L001 3.95 55.5 37.5 Female tertiary 3 or more siblings
2 L003 4.63 57.0 38.5 Female tertiary Singleton
3 L004 4.75 56.0 38.5 Male year12 2 siblings
4 L005 3.92 56.0 39.0 Male tertiary One sibling
5 L006 4.56 55.0 39.5 Male year10 2 siblings
- chl
9
- Savage Henry
1
3感谢分享。因此，应该将
com.convert_robj(rdf)替换为pandas2ri.ri2py(rdf)。但是com.robj.r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)怎么办？ - Pyderman3
但使用IBM库的好处在于，它们可以正确处理这种相当复杂的二进制文件格式。它们是免费的，使您免于为此格式编写代码的负担，并且许可证允许您重新分发它们。还有什么更好的要求呢？
- JKP
3
1我想要ARM支持 :) - qdot
我们在哪里可以找到IBM的库？ - Tagar
您可以通过访问IBM预测分析社区网站（https://developer.ibm.com/predictiveanalytics/）上的“下载”链接来获取它们。 - JKP
3
以下是您可能感兴趣的软件包：
savReaderWriter（Bitbucket上）
savReaderWriter 3.4.2（Python Package Index Repo中）
- 4ilin
2
我和@Pyderman有同样的问题，关于如何更新这个pandas版本（>0.16）。以下是我的解决方案：
from rpy2.robjects import pandas2ri, r
filename = 'weights.sav'
w = r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)
df = pandas2ri.ri2py(w)
df.head()
- Courtney
1
- SpankMe
4
谢谢，SM，但是那个模块需要一个额外的dll文件，而这正是我想避免的。有没有一个模块（最好是最近的一个），它包含了所有必要的功能，而不需要使用外部库？ - Lamps1829
抱歉，我不知道任何你所说的或者在谷歌上找到的外部库。为什么使用外部库是你无法忍受的事情呢？我想你每天都会使用很多外部库，无论是Python还是其他任何东西，包括操作系统。 - SpankMe
如果其他选项用尽了，我不会排除使用dll的可能性，但如果可能的话，我想避免使用它。依赖越少，事情就越简洁，出错的机会也就越小。 - Lamps1829
1而最不可能正确的是Lamps1829。IBM为SPSS Statistics运行的所有平台免费提供的I/O模块使用与Statistics本身相同的代码，因此它们保证同步。上面提到的Python读写工具也使用这些库。随着新功能添加到sav文件格式中，这些库也会得到更新。据我所知，R库并没有完全做到这一点。 - JKP
0
from scipy.io import readsav
import pandas as pd
sav_df = readsav('file.sav')
df=pd.DataFrame(sav_df)
- Anisha
2
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
- 相关问题
- 3 使用Python模块打开文件资源管理器
- 4 有没有一种方法可以备份Python模块？
- 5 有没有一个Python模块可以访问Advantage数据库服务器？
- 5 有没有一个Python模块可以透明地将文件内容作为缓冲区处理？
- 4 有没有一个 Python 模块可以透明地将类似文件的对象作为缓冲区来使用？
- 47 有没有一个Python模块可以解决线性方程？
- 9 有没有一个Python模块可以解析Linux的sysfs？
- 3 有没有一个Python模块可以填充本地Windows表单字段？
- 7 有没有 Python 模块可以在 zip 文件中进行正则表达式匹配？
- 40 有没有一个Python模块可以将RTF转换为纯文本？
.dll。我找不到任何有关该文件格式的开放规范，这意味着读取这些文件的唯一方法是使用IBM的库。您始终可以尝试反向工程格式，但这需要更多的时间和精力。 - Bakuriu