In der Episode 13 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas konstante Zeitabstände berechnen kann und das Ergebnis jeweils 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 der Spalte "date".

Output: Wir fügen der Tabelle durch die Anwendung der Datums-Funktionen eine neue Spalte hinzu:

• Spalte "nextyear" durch das Aufsummieren eines konstanten Zeitabstandes auf die Spalte "date".

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 Berechnen eines konstanten Zeitabstandes für die Spalte "date" würde man für ein SAS Dataset "df" wie folgt umsetzen.

SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set wird eine neue Spalte hinzugefügt.

Python-Code: In Python würde man das Aufsummieren eines konstanten Zeitabstandes auf die Spalte "date" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.

Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe wird eine neue Spalte hinzugefügt.

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.