SAS2PYTHON - Fehlende Werte erzeugen


Posted on 17 April 2023 at 09:30 by Stefan Weingaertner

In der Episode 54 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas fehlende Werte in eine vorhandene Tabelle einfügen kann.


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 bereits 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 ersetzen in der Spalte "Petal_Width" der Input-Tabelle die ersten beiden Datenpunkte durch fehlende Werte.



SAS-Code: Die Ersetzung der vorhandenen Werte durch fehlende Werte würde man mit SAS wie folgt durchführen.


                      
data df_missing (drop = id );
  set df ;
   id = _n_;
   if id <= 2 then Petal_Width = .;
run ;


SAS-Output: Das Ergebnis sieht in SAS wie folgt aus.


                                             
Obs Sepal_Length  Sepal_Width  Petal_Length  Petal_Width           Class
  1          4.7          3.2           1.3            .     Iris-setosa
  2            .          3.1             .            .     Iris-setosa
  3          5.0          3.6           1.4          0.2                
  4          6.7            .             .          2.3  Iris-virginica
  5          6.6          3.1           5.1          2.2  Iris-virginica



Python-Code: In Python würde man die Ersetzung der der ersten beiden Datenpunkte in der Spalte "Petal_Width" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.


                      
import pandas as pd
import numpy as np

df.iloc[0:2,3] = np.nan


Python-Output: Das Ergebnis sieht in Pandas wie folgt aus.


                       
    Sepal_Length  Sepal_Width  Petal_Length  Petal_Width           Class 
 0           4.7          3.2           1.3          NaN     Iris-setosa
 1           NaN          3.1           NaN          NaN     Iris-setosa
 2           5.0          3.6           1.4          0.2             NaN
 3           6.7          NaN           NaN          2.3  Iris-virginica
 4           6.6          3.1           5.1          2.2  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.