HOWTO · Pandas

Pandas で SAS を読み取る

この記事は、Pandas read SAS とは何かを理解するのに役立ちます。

このページの内容

PythonでSASデータセットを読み込むには、.sas7bdat のパスを pyreadstat.read_sas7bdat またはPandasの pd.read_sas に渡します。どちらの方法でも、内容を確認できる表形式のデータが返されます。pyreadstat ではメタデータも取得でき、usecols を使って列を選択できます。読み込んだデータは to_csv でCSVに書き出せます。ここで扱うのはデータの読み込みと書き出しであり、SAS形式のファイルを作成する方法ではありません。

SASファイルとは

SAS(Statistical Analysis System)は、統計分析やデータ管理に使われるソフトウェアです。.sas7bdat ファイルにはSASデータセットが保存されます。.sas7bcat ファイルは、フォーマットや関連するメタデータを保存するカタログです。ここで紹介する表データの読み込み例に渡すデータセットではありません。

Pythonに観測データを読み込む場合は、.sas7bdat ファイルを使います。以下では path/to/your-file.sas7bdat をパスの例として使用します。自分のデータセットのパスに置き換えてください。パスは、現在の作業ディレクトリからの相対パスでも絶対パスでも指定できます。

.SAS ファイルを Python で開く

スクリプトを実行するPython環境に pyreadstat をインストールします。python -m pip install pyreadstat を実行してください。このパッケージの pyreadstat.read_sas7bdat は、DataFrameとメタデータオブジェクトの2つを返します。両方を受け取れば、行を確認したり、必要に応じて列ラベルなどのメタデータを調べたりできます。

選んだパスにあるデータセットを読み込むには、df, meta = pyreadstat.read_sas7bdat("path/to/your-file.sas7bdat") を呼び出し、df.head() で内容を確認します。これは使い方を示すテンプレートであり、パッケージのインストールと自分のファイルが必要です。このまま実行できる完全な例ではありません。head() は既定で先頭5行を表示します。行数を変えるには df.head(n) を使います。

Python で Pandas を使用して SAS ファイルを読み取る

Pandasをすでに使っている場合は、pd.read_sas 関数でSASデータセットをDataFrameに読み込めます。必要であれば、使用中の環境にPandasをインストールしてから、データセットのパスを指定してください。この方法ではDataFrameが直接返されます。

df = pd.read_sas("path/to/your-file.sas7bdat") で読み込み、df.head() で結果を確認します。前の例と同様に、自分の .sas7bdat ファイルが必要です。データのテキストエンコーディングが既定値と異なる場合は、encoding 引数を設定する前に、ファイルの提供元や作成者に確認してください。適切な値はデータセットによって異なります。

Python で SAS ファイルから特定の列を読み取る

必要な列だけを読み込むには、列名を usecols に渡して pyreadstat.read_sas7bdat を呼び出します。このオプションは、ここで示す pyreadstat のAPIに対するものです。同じ引数を pd.read_sas でも使えるとは限りません。

たとえば、columns = ["YEAR"] と設定し、df, meta = pyreadstat.read_sas7bdat("path/to/your-file.sas7bdat", usecols=columns) を呼び出してから、返されたDataFrameを df.head() で確認します。YEAR は、データセットに存在する列名に置き換えてください。列名がわからない場合は、まず usecols を指定せずに読み込み、df.columns で確認します。

Python で SAS ファイルを CSV に保存する

読み込んだDataFrameを書き出すには to_csv を使います。DataFrameのインデックスをファイルに含める必要がない場合は、index=False を指定してください。次の標準ライブラリだけを使った短い例では、2行分のCSVテキストを示します。これはCSVの書式を説明する例です。SASデータセットをCSVにする場合は、上で読み込んだDataFrameに to_csv を呼び出します。

次の例を実行してください。コードと出力のブロックはそのまま保持されるため、ブロック内に英語のラベルが含まれている場合も英語のままです。日本語に翻訳されたラベルではありません。

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

実際のDataFrameを書き出すには、df.to_csv("output.csv", index=False) と記述します。書き込み可能な保存先を指定してください。相対パスのファイル名を指定すると、プロセスの現在の作業ディレクトリに作成されます。書き出されるファイルにはDataFrameの列と行が含まれ、インデックスは追加の列として含まれません。