SAS2PYTHON - Aufsplitten von Spalten
Posted on 15 November 2022 at 13:00 by Stefan Weingaertner
In der Episode 32 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas den Monat aus einem Datum extrahiert und aufsplittet und das Ergebnis in Form einer neuen Spalte 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 6 Datensätze und besteht aus den Spalten "Vorname", "Geschlecht" und "Geburtsdatum".
Vorname Geschlecht Geburtsdatum
Peter Mann 1969-07-23
Paul Mann 1980-01-27
Mary Frau 1965-05-11
Chrissy Frau 1990-12-02
Thomas Mann 1979-08-23
Heike Frau 1975-07-07
Output: Wir fügen der Tabelle durch die Anwendung einer Datumsfunktion die neue Spalte "Geburtsmonat" hinzu, in dem wir die Spalte "Geburtsdatum" aufsplitten.
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: Das Aufsplitten der Spalte "Geburtsdatum" würde man für ein SAS Dataset "df" wie folgt umsetzen.
data df;
set test;
Geburtsmonat = month(Geburtsdatum);
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set wird eine neue Spalte hinzugefügt.
Obs Vorname Geschlecht Geburtsdatum Geburtsmonat
1 Peter Mann 1969-07-23 7
2 Paul Mann 1980-01-27 1
3 Mary Frau 1965-05-11 5
4 Chrissy Frau 1990-12-02 12
5 Thomas Mann 1979-08-23 8
6 Heike Frau 1975-07-07 7
Python-Code: In Python würde man das Aufsplitten der Spalte "Geburtsdatum" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.
import pandas as pd
import numpy as np
import datetime
df['Geburtsmonat'] = df['Geburtsdatum'].dt.month
Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe wird eine neue Spalte hinzugefügt.
Vorname Geschlecht Geburtsdatum Geburtsmonat
0 Peter Mann 1969-07-23 7
1 Paul Mann 1980-01-27 1
2 Mary Frau 1965-05-11 5
3 Chrissy Frau 1990-12-02 12
4 Thomas Mann 1979-08-23 8
5 Heike Frau 1975-07-07 7
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.