SAS2PYTHON - Fehlende Werte ersetzen
Posted on 2 May 2023 at 10:00 by Stefan Weingaertner
In der Episode 56 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas fehlende numerische Werte durch einen konstanten Wert ersetzen 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 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 alle fehlenden numerischen Werte durch 0.
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 Ersetzen von fehlenden numerischen Werten durch den konstanten Wert 0 würde man für ein SAS Dataset "df" wie folgt umsetzen.
data df;
set df;
array change _numeric_;
do over columns;
if columns=. then columns=0;
end;
run;
SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, sämtliche fehlenden Werte in den numerischen Spalten sind durch 0 ersetzt worden.
Obs Sepal_Length Sepal_Width Petal_Length Petal_Width Class
1 4.7 3.2 1.3 0.2 Iris-setosa
2 0 3.1 0 0.2 Iris-setosa
3 5.0 3.6 1.4 0.2
4 6.7 0 0 2.3 Iris-virginica
5 6.6 3.1 5.1 2.2 Iris-virginica
Python-Code: In Python würde man die Ersetzung der fehlenden numerischen Werte mit 0 für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.
import pandas as pd
# select numeric columns
numeric_columns = df.select_dtypes(include=['number']).columns
# replace missings in numeric columns with 0
df[numeric_columns] = df[numeric_columns].fillna(0)
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 0.2 Iris-setosa
1 0 3.1 0 0.2 Iris-setosa
2 5.0 3.6 1.4 0.2 NaN
3 6.7 0 0 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.