SAS2PYTHON - Aggregationsfunktionen
Posted on 30 May 2023 at 15:00 by Stefan Weingaertner
In der Episode 60 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas eine Tabelle auf ausgewählten Spalten gruppiert und pro Gruppe beliebige Aggregationsfunktionen anwendet.
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 "Name", "Department", "Position" und "Age".
Name Department Position Age
Vincent Vega Sales Executive 49
Marsellus Wallace Marketing Executive 52
Butch Coolidge HR Executive 45
Honey Bunny IT Team Lead 42
Esmeralda Villalobos Purchasing Team Lead 32
Jules Winnfield Finance Team Lead 39
Output: Wir gruppieren die Tabelle nach der Spalte "Position" und wenden dann verschiedene Aggregationsfunktionen (Mean, Min, Max, Standardabweichung) pro Gruppe an.
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: Die Gruppierung und die Anwendung der Aggregationsfunktionen würde man für ein SAS Dataset "df" wie folgt umsetzen.
PROC SQL;
create table df_grouped as
select
Position,
avg(Age) as mean,
min(Age) as min,
max(Age) as max,
std(Age) as std
from df
group by Position;
quit;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus.
Obs Position mean min max std
1 Executive 48.666667 45 52 3.511885
2 Team Lead 37.666667 32 42 5.131601
Python-Code: In Python würde man die Gruppierung auf der Spalte "Position" sowie die Anwendung verschiedener Aggregationsfunktionen für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.
import pandas as pd
df_grouped = df.groupby('Position')['Age'].aggregate(['mean','min','max','std']).reset_index()
Python-Output: Das Ergebnis sieht in Pandas wie folgt aus.
Position mean min max std
0 Executive 48.666667 45 52 3.511885
1 Team Lead 37.666667 32 42 5.131601
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.