SAS2PYTHON - Potenzieren und Invertieren


Posted on 30 March 2022 at 15:00 by Stefan Weingaertner

In der Episode 2 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas eine Spalte

potenziert und invertiert und das Ergebnis jeweils in Form einer neuen Spalte abspeichert.



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 "a" und "b".


                       
   a     b
  73  0.56
 -44  0.00
  15 -1.77
   0  3.14
  -9 -0.99
                    


Output: Wir fügen der Tabelle durch die Anwendung der mathematischen Funktionen insgesamt zwei neue Spalten hinzu:

  • Spalte "pot" durch die Potenzierung der Spalte "a".
  • Spalte "inv" durch die Invertierung der Spalten "a" und "b".

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 Potenzierung als auch Invertierung der Spalte "a" würde man für ein SAS Dataset "df" wie folgt umsetzen.


                      
data df;
   set df;
   pot = a ** 3;
   inv = 1 / a; 
run;

                    


SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set werden zwei neue Spalten hinzugefügt.


                      
Obs   a     b     pot       inv
  1  73  0.56  389017    0.0137
  2 -44  0.00  -85184  -0.02273
  3  15 -1.77    3375   0.06667
  4   0  3.14       0         .
  5  -9 -0.99    -729  -0.11111
                    




Python-Code: In Python würde man die Potenzierung sowie die Invertierung der Spalte "a" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.


                      
import pandas as pd

df['pot'] = df['a'] ** 3
df['inv'] = df['a'] ** -1.0
                    


Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe werden zwei neue Spalten hinzugefügt.


                      
    a     b     pot        inv
0  73  0.56  389017   0.013699
1 -44  0.00  -85184  -0.022727
2  15 -1.77    3375   0.066667
3   0  3.14       0        inf
4  -9 -0.99    -729  -0.111111
                    




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.