SAS2PYTHON - Strings nach Mustern durchsuchen


Posted on 31 May 2022 at 07:30 by Stefan Weingaertner

In der Episode 8 unseres heutigen Blog-Beitrags zeigen wir, wie man in SAS/BASE und in Pandas Strings nach Mustern durchsuchen & aufteilen 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 insgesamt zwei neue Spalten hinzu:

  • Spalte "Firstname", für die wir den ersten Teil des Strings aus der Spalte "Name" extrahieren.
  • Spalte "Surname", für die wir den zweiten Teil des Strings aus der Spalte "Name" extrahieren.

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 Auftrennen der Spalte "Name" nach Vorname und Nachname würde man für ein SAS Dataset wie folgt umsetzen.


                      
data df;
   set df;
   Firstname = substr(name, 1, indexc(name, ' '));
   Surname = substr(name, indexc(name, ' ')+1);
run;


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


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



Python-Code: In Python würde man das Auftrennen der Spalte "Name" für ein Pandas Dataframe "df" mit der folgenden Syntax umsetzen.


                      
import pandas as pd

df['Firstname'] = df['Name'].str.split(" ", expand=True)[0]

df['Surname'] = df['Name'].str.rsplit(" ", expand=True)[1]


Python-Output: Das Ergebnis sieht in Pandas wie folgt aus, dem Pandas Dataframe werden 2 neue Spalten hinzugefügt.


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



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.