HOWTO · Pandas
Leer SAS en Pandas
Este artículo nos ayudará a comprender qué es Pandas read SAS.
En esta página
Para leer un conjunto de datos SAS en Python, pasa su ruta .sas7bdat a pyreadstat.read_sas7bdat o a pd.read_sas de Pandas. Ambas opciones devuelven datos tabulares que puedes inspeccionar; pyreadstat también devuelve metadatos y permite seleccionar columnas con usecols. Después de cargar los datos, llama a to_csv para exportarlos como CSV. Estos pasos leen y exportan datos; no crean archivos en formato SAS.
Qué son los archivos SAS
SAS (Statistical Analysis System) es un software que se utiliza para el análisis estadístico y la gestión de datos. Un archivo .sas7bdat almacena un conjunto de datos SAS. Un archivo .sas7bcat es un catálogo que almacena formatos y metadatos relacionados; no es el conjunto de datos que debes pasar a estos ejemplos de lectura tabular.
Usa el archivo .sas7bdat cuando quieras cargar observaciones en Python. En los ejemplos siguientes, path/to/your-file.sas7bdat es una ruta de ejemplo. Sustitúyela por la ruta a tu propio conjunto de datos, ya sea relativa al directorio de trabajo actual o absoluta.
Abrir archivos .SAS en Python
Instala pyreadstat en el mismo entorno de Python que ejecuta tu script: python -m pip install pyreadstat. El paquete ofrece pyreadstat.read_sas7bdat, que devuelve dos valores: un DataFrame y un objeto de metadatos. Asigna ambos valores para poder inspeccionar las filas y, si lo necesitas, consultar metadatos como las etiquetas de las columnas.
Para leer un conjunto de datos desde la ruta que elijas, llama a df, meta = pyreadstat.read_sas7bdat("path/to/your-file.sas7bdat") y, después, inspecciónalo con df.head(). Es una plantilla de uso que requiere tener instalado el paquete y disponer de tu archivo; no es una ejecución independiente. De forma predeterminada, head() muestra las cinco primeras filas; usa df.head(n) para indicar otro número.
Leer un archivo SAS con Pandas en Python
Si Pandas ya forma parte de tu flujo de trabajo, su función pd.read_sas lee un conjunto de datos SAS y lo carga en un DataFrame. Si hace falta, instala Pandas en el entorno activo y proporciona la ruta al conjunto de datos. Esta opción devuelve directamente el DataFrame.
Usa df = pd.read_sas("path/to/your-file.sas7bdat") para cargarlo y luego inspecciona el resultado con df.head(). Como en el ejemplo anterior, necesitas tu propio archivo .sas7bdat. Si los datos usan una codificación de texto distinta de la predeterminada, consulta la fuente del archivo o a quien lo haya generado antes de definir el argumento encoding del lector; el valor correcto depende del conjunto de datos.
Leer columnas específicas de un archivo SAS en Python
Si solo necesitas algunas columnas, pasa sus nombres mediante usecols a pyreadstat.read_sas7bdat. Esta opción pertenece a la API de pyreadstat que se muestra aquí; no des por sentado que pd.read_sas acepta el mismo argumento.
Por ejemplo, define columns = ["YEAR"] y llama a df, meta = pyreadstat.read_sas7bdat("path/to/your-file.sas7bdat", usecols=columns); después, inspecciona el DataFrame devuelto con df.head(). Sustituye YEAR por el nombre de una columna que exista en tu conjunto de datos. Si no sabes qué nombres están disponibles, carga primero el conjunto sin usecols y consulta df.columns.
Guardar los datos SAS como CSV en Python
Para exportar el DataFrame cargado, usa to_csv y define index=False si el índice del DataFrame no es una columna de datos que quieras incluir en el archivo. El siguiente ejemplo breve, que usa la biblioteca estándar, está pensado para ilustrar el texto CSV de dos filas; no se aporta evidencia de que se haya ejecutado. Cualquier etiqueta visible en el bloque sin modificar permanece en inglés. El ejemplo ilustra el formato CSV; para exportar un conjunto de datos SAS, llama a to_csv en el DataFrame que cargaste antes.
Ejecuta este ejemplo:
import csv
import io
rows = [("year", "sales"), ("2023", "12")]
output = io.StringIO()
writer = csv.writer(output, lineterminator="\n")
writer.writerows(rows)
print(output.getvalue(), end="")
year,sales
2023,12
Para el DataFrame real, escribe df.to_csv("output.csv", index=False). Elige una ubicación en la que tengas permiso de escritura; si usas un nombre de archivo relativo, se creará en el directorio de trabajo actual del proceso. La exportación incluye las columnas y filas del DataFrame, sin añadir el índice como una columna adicional.