SAS2PYTHON - Berechnung kumulierter Werte
Posted on 16 August 2022 at 13:00 by Stefan Weingaertner
In der Episode 19 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas kumulierte Werte berechnen kann und das Ergebnis jeweils in Form einer neuen Tabelle abspeichert.
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: Unsere Input-Tabelle besitzt 5 Datensätze und besteht aus den Spalten "col1", "col2", "col3" und "col4".
col1 col2 col3 col4
0 5 3 -3 3.0
1 10 3 -9 2.0
2 20 4 -6 0.0
3 20 8 0 5.6
4 25 12 -3 -8.7
Output: Wir erzeugen folgende Output-Tabellen:
- Eine Tabelle "cumsum" mit kumulierten Summen für alle Spalten.
- Eine Tabelle "cumprod" mit den kumulierten Produkten für alle Spalten.
- Eine Tabelle "cummin" mit den kumulierten Minima für alle Spalten.
- Eine Tabelle "cummax" mit den kumulierten Maxima für alle Spalten.
Da manche Operationen in SAS und Python unterschiedlich ausgeführt werden, generieren die beiden Programmiersprachen auch leicht unterschiedlichen Ausgabe-Formate. Wir haben daher die Outputs mit dem dazugehörigen Code für SAS und Python separat aufgeführt.
SAS-Code: Das Berechnen der kumulierten Summen für alle Spalten würde man für ein SAS Dataset "df" wie folgt umsetzen.
data cumsum;
set df;
retain cumsum_col1 cumsum_col2 cumsum_col3 cumsum_col4 0;
cumsum_col1 = sum(cumsum_col1, col1);
cumsum_col2 = sum(cumsum_col2, col2);
cumsum_col3 = sum(cumsum_col3, col3);
cumsum_col4 = sum(cumsum_col4, col4);
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set "cumsum" werden vier neue Spalten hinzugefügt.
Obs col1 col2 col3 col4 cumsum_col1 cumsum_col2 cumsum_col3 cumsum_col4
1 5 3 -3 3.0 5 3 -3 3.0
2 10 3 -9 2.0 15 6 -12 5.0
3 20 4 -6 0.0 35 10 -18 5.0
4 20 8 0 5.6 55 18 -18 10.6
5 25 12 -3 -8.7 80 30 -21 1.9
SAS-Code: Das Berechnen des kumulierten Produktes für alle Spalten würde man für ein SAS Dataset "df" wie folgt umsetzen.
data cumprod;
set df;
retain cumprod_col1 cumprod_col2 cumprod_col3 cumprod_col4 1;
cumprod_col1 = cumprod_col1 * col1;
cumprod_col2 = cumprod_col2 * col2;
cumprod_col3 = cumprod_col3 * col3;
cumprod_col4 = cumprod_col4 * col4;
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set "cumprod" werden vier neue Spalten hinzugefügt.
Obs col1 col2 col3 col4 cumprod_col1 cumprod_col2 cumprod_col3 cumprod_col4
1 5 3 -3 3.0 5 3 -3 3.0
2 10 3 -9 2.0 50 9 27 6.0
3 20 4 -6 0.0 1000 36 -162 0.0
4 20 8 0 5.6 20000 288 0 0.0
5 25 12 -3 -8.7 500000 3456 0 -0.0
SAS-Code: Das Berechnen der kumulierten Minima für alle Spalten würde man für ein SAS Dataset "df" wie folgt umsetzen.
data cummin;
set df;
retain cummin_col1 cummin_col2 cummin_col3 cummin_col4;
cummin_col1 = min(cummin_col1, col1);
cummin_col2 = min(cummin_col2, col2);
cummin_col3 = min(cummin_col3, col3);
cummin_col4 = min(cummin_col4, col4);
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set "cummin" werden vier neue Spalten hinzugefügt.
Obs col1 col2 col3 col4 cummin_col1 cummin_col2 cummin_col3 cummin_col4
1 5 3 -3 3.0 5 3 -3 3.0
2 10 3 -9 2.0 5 3 -9 2.0
3 20 4 -6 0.0 5 3 -9 0.0
4 20 8 0 5.6 5 3 -9 0.0
5 25 12 -3 -8.7 5 3 -9 -8.7
SAS-Code: Das Berechnen der kumulierten Maxima für alle Spalten würde man für ein SAS Dataset "df" wie folgt umsetzen.
data cummax;
set df;
retain cummax_col1 cummax_col2 cummax_col3 cummax_col4;
cummax_col1 = max(cummax_col1, col1);
cummax_col2 = max(cummax_col2, col2);
cummax_col3 = max(cummax_col3, col3);
cummax_col4 = max(cummax_col4, col1);
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set "cummax" werden vier neue Spalten hinzugefügt.
Obs col1 col2 col3 col4 cummax_col1 cummax_col2 cummax_col3 cummax_col4
1 5 3 -3 3.0 5 3 -3 3.0
2 10 3 -9 2.0 10 3 -3 3.0
3 20 4 -6 0.0 20 4 -3 3.0
4 20 8 0 5.6 20 8 0 5.6
5 25 12 -3 -8.7 25 12 0 5.6
Python-Code: In Python würde man das Berechnen der kumulierten Werte für alle Spalten eines Pandas Dataframe "df" mit der nachfolgenden Syntax umsetzen. Im Gegensatz zu SAS/BASE gibt es in Pandas entsprechende Funktionen (cumsum(), cumprod(), cummin(), cummax()), welche die kumulierten Werte mit den Spaltennamen der originären Daten bereitstellen.
import pandas as pd
# Kumulierte Summen
cumsum = df.cumsum()
col1 col2 col3 col4
0 5 3 -3 3.0
1 15 6 -12 5.0
2 35 10 -18 5.0
3 55 18 -18 10.6
4 80 30 -21 1.9
# Kumulierte Produkte
cumprod = df.cumprod()
col1 col2 col3 col4
0 5 3 -3 3.0
1 50 9 27 6.0
2 1000 36 -162 0.0
3 20000 288 0 0.0
4 500000 3456 0 -0.0
# Kumulierte Minima
cummin = df.cummin()
col1 col2 col3 col4
0 5 3 -3 3.0
1 5 3 -9 2.0
2 5 3 -9 0.0
3 5 3 -9 0.0
4 5 3 -9 -8.7
# Kumulierte Maxima
cummax = df.cummax()
col1 col2 col3 col4
0 5 3 -3 3.0
1 10 3 -3 3.0
2 20 4 -3 3.0
3 20 8 0 5.6
4 25 12 0 5.6
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.