SAS2PYTHON - Operatoren und fehlende Werte
Posted on 11 April 2023 at 13:00 by Stefan Weingaertner
In der Episode 53 unseres heutigen Blog-Beitrags zeigen wir, welche Besonderheiten bei der Anwendung von numerischen Operatoren oder String-Operatoren auf fehlenden Werten zu beachten sind.
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 "Sepal_Length", "Sepal_Width", "Petal_Length", "Petal_Width" und "Class". In den Spalten "Sepal_Length", "Sepal_Width", "Petal_Length" und "Class" sind fehlende Werte vorhanden.
Sepal_Length Sepal_Width Petal_Length Petal_Width Class
4.7 3.2 1.3 0.2 Iris-setosa
. 3.1 . 0.2 Iris-setosa
5.0 3.6 1.4 0.2
6.7 . . 2.3 Iris-virginica
6.6 3.1 5.1 2.2 Iris-virginica
Output: Wir wenden verschiedene Operatoren auf die Input-Tabelle an:
- Numerischer Operator: Addition der Spalten "Sepal_Length" und "Sepal_Width" zu einer neuen Spalte "Sepal_Length_Width"
- String-Operator: Anwenden des Präfix "Class_" auf die Spalte "Class" zu einer neuen Spalte "C_Class"
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 Anwendung der beiden Operatoren würde man für ein SAS Dataset "df" wie folgt umsetzen.
data df;
set df;
Sepal_Length_Width = Sepal_Length + Sepal_Width;
C_Class = 'C_' || Class;
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set werden zwei neue Spalten hinzugefügt.
Obs Sepal_Length Sepal_Width Petal_Length Petal_Width Class Sepal_Length_Width C_Class
1 4.7 3.2 1.3 0.2 Iris-setosa 7.9 Class_Iris-setosa
2 . 3.1 . 0.2 Iris-setosa . Class_Iris-setosa
3 5.0 3.6 1.4 0.2 8.6 Class_
4 6.7 . . 2.3 Iris-virginica . Class_Iris-virginica
5 6.6 3.1 5.1 2.2 Iris-virginica 9.7 Class_Iris-virginica
Python-Code: In Python würde man die Anwendung der beiden Operatoren wie folgt umsetzen.
import pandas as pd
df['Sepal_Length_Width'] = df['Sepal_Length'] + df['Sepal_Width']
df['C_Class'] = 'Class_' + df['Class']
Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe werden zwei neue Spalten hinzugefügt.
Sepal_Length Sepal_Width Petal_Length Petal_Width Class Sepal_Length_Width C_Class
0 4.7 3.2 1.3 0.2 Iris-setosa 7.9 Class_Iris-setosa
1 NaN 3.1 NaN 0.2 Iris-setosa NaN Class_Iris-setosa
2 5.0 3.6 1.4 0.2 NaN 8.6 Class_
3 6.7 NaN NaN 2.3 Iris-virginica NaN Class_Iris-virginica
4 6.6 3.1 5.1 2.2 Iris-virginica 9.7 Class_Iris-virginica
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.