SAS2PYTHON - Teilstrings extrahieren


Posted on 24 May 2022 at 07:30 by Stefan Weingaertner

In der Episode 7 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas Teilstrings extrahieren kann 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 6 Datensätze und besteht aus den Spalten "Name", "Department" und "Position".


                      
                  Name  Department         Position
          Vincent Vega       Sales        Executive
     Marsellus Wallace   Marketing        Executive
        Butch Coolidge          HR        Executive
           Honey Bunny          IT  Project Manager
  Esmeralda Villalobos  Purchasing        Assistant
       Jules Winnfield     Finance        Team Lead


Output: Wir fügen der Tabelle durch die Anwendung der String-Funktion eine neue Spalte hinzu:

  • Spalte "Substring" durch das Extrahieren des Teilstrings der Spalte "Position".

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: Das Extrahieren des Teilstrings der Spalte "Position" würde man für ein SAS Dataset df wie folgt umsetzen.


                      
data df;
   set df;
   Substring = substr(Position,3,3);
run;


SAS-Output: Das Ergebnis sieht in SAS wie folgt aus, dem SAS Data Set wird eine neue Spalte hinzugefügt.


                      
Obs                Name  Department         Position    Substring
1          Vincent Vega       Sales        Executive          ecu
2     Marsellus Wallace   Marketing        Executive          ecu
3        Butch Coolidge          HR        Executive          ecu
4           Honey Bunny          IT  Project Manager          oje
5  Esmeralda Villalobos  Purchasing        Assistant          sis
6       Jules Winnfield     Finance        Team Lead          am



Python-Code: In Python würde man das Extrahieren des Teilstrings der Spalte "Position" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.


                      
import pandas as pd

df['Substring'] = df['Position'].str[2:5]


Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe wird eine neue Spalte hinzugefügt.


                                         Name  Department         Position    Substring
0          Vincent Vega       Sales        Executive          ecu
1     Marsellus Wallace   Marketing        Executive          ecu
2        Butch Coolidge          HR        Executive          ecu
3           Honey Bunny          IT  Project Manager          oje
4  Esmeralda Villalobos  Purchasing        Assistant          sis
5       Jules Winnfield     Finance        Team Lead          am



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.