SAS2PYTHON - Auf vorhandene Werte einschränken


Posted on 23 May 2023 at 20:00 by Stefan Weingaertner

In der Episode 59 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas die Datensätze einer Tabelle auf vorhandene Werte selektiert bzw. einschränkt.


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 selektieren aus der Input-Tabelle alle Datensätze, sofern in der Spalte "Petal_Length" keine fehlenden Werte vorhanden sind.

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: Die Selektion auf vorhandene Werte würde man für ein SAS Dataset "df" wie folgt umsetzen.


                      
data df;
  set df;
    if Petal_Length ^= . then output;
run;


SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, das SAS Data Set wird auf drei Zeilen eingeschränkt.


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



Python-Code: In Python würde man die Einschränkung auf vorhandene Werte für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.


                      
import pandas as pd

df = df[pd.notnull(df['Petal_Length'])]


Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, das Dataframe "df" wird auf drei Zeilen eingeschränkt.


                      
   Sepal_Length  Sepal_Width  Petal_Length  Petal_Width           Class
0           4.7          3.2           1.3          0.2     Iris-setosa
1           5.0          3.6           1.4          0.2             NaN 
2           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.