SAS2PYTHON - Stacking von Tabellen mit unterschiedlichen Datenstrukturen
Posted on 22 March 2023 at 14:30 by Stefan Weingaertner
In der Episode 50 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas zwei Tabellen mit unterschiedlichen Spaltennamen und Datentypen, analog eines SQL-Union-Statements, aneinanderfügen kann.
Ein Pandas DataFrame ist einem SAS Data Set sehr ähnlich - es handelt sich um eine zweidimensionale tabellarische Datenstruktur mit gelabelten Spalten, die von unterschiedlichem Datentyp sein können. Wie in diesem Beitrag gezeigt wird, kann nahezu jede Operation, die mit dem SAS Data Step auf einen Datensatz angewendet werden kann, auch in Pandas ausgeführt werden.
Input-Tabelle df1: Unsere erste Input-Tabelle besitzt 4 Datensätze und besteht aus den Spalten "Kurs", "Preis", "Trainer" und "Verfuegbarkeit".
Input-Tabelle df2: Unsere zweite Input-Tabelle besitzt 5 Datensätze und besteht ebenfalls aus den Spalten "Kurs", "Preis" und "Trainer".
# Tabelle df1
Kurs Preis Trainer Verfuegbarkeit
Getting started with Python 3250 SW 1
AI Fundamentals 1300 ST 1
AIoT - DSP meets AI 750 HP 0
Process Mining Fundamentals 1950 HT 1
# Tabelle df2
Kurs Preis Trainer
Getting started with SAS 3250 SW
Big Data Fundamentals 1300 ST
Image Processing 1300 HP
Uplift Modeling 750 HT
Python for SAS Professionals 1950 HT
Output: Wir führen die beiden Tabellen "df1" und "df2" zu einer neuen Tabelle "df_stacked" zusammen. Dabei wird die Tabelle df2 an die Tabelle df1 "angehängt".
Da manche Operationen in SAS und Python unterschiedlich ausgeführt werden, generieren die beiden Programmiersprachen auch leicht unterschiedliche Ausgabe-Formate. Wir haben daher die Outputs mit dem dazugehörigen Code für SAS und Python separat aufgeführt.
SAS-Code: Die Zusammenführung (Stacking) der beiden SAS Datasets "df1" und "df2" würde man in SAS wie folgt durchführen:
data df_stacked;
set df1 df2;
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, das SAS Dataset "df2" wird an das SAS Dataset "df1" angehängt. Bei nicht übereinstimmenden Spalten werden entsprechend fehlende Werte ausgewiesen.
Obs Kurs Preis Trainer Verfuegbarkeit
1 Getting started with Python 3250 SW 1
2 AI Fundamentals 1300 ST 0
3 AIoT - DSP meets AI 750 HP 1
4 Process Mining Fundamentals 1950 HT 1
5 Getting started with SAS 3250 SW .
6 Big Data Fundamentals 1300 ST .
7 Image Processing 1300 HP .
8 Uplift Modeling 750 HT .
9 Python for SAS Professionals 1950 HT .
Python-Code: In Python würde man das Stacking für die beiden Pandas Dataframes "df1" und "df2" mit der folgenden Syntax umsetzen.
import pandas as pd
df_stacked = pd.concat([df1, df1], ignore_index=True)
Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, das Pandas DataFrame "df2" wird an das DataFrame "df1" angehängt. Bei nicht übereinstimmenden Spalten werden entsprechend NaN-Werte ausgewiesen.
Kurs Preis Trainer Verfuegbarkeit
0 Getting started with Python 3250 SW 1
1 AI Fundamentals 1300 ST 0
2 AIoT - DSP meets AI 750 HP 1
3 Process Mining Fundamentals 1950 HT 1
4 Getting started with SAS 3250 SW NaN
5 Big Data Fundamentals 1300 ST NaN
6 Image Processing 1300 HP NaN
7 Uplift Modeling 750 HT NaN
8 Python for SAS Professionals 1950 HT NaN
Wenn Sie die nächste Episode nicht abwarten möchten, können Sie auch gerne unser umfangreiches Training Python für SAS Professionals buchen.
Informationen zu den nächsten Kursterminen und zu unserem gesamten Trainingsangebot finden Sie hier.