如何在Python中阅读SPSS aka（.sav）

Question

这是我第一次使用Jupyter笔记本分析调查数据（.sav文件），我想以一种可以显示元数据的方式阅读它，这样我就可以将答案与问题联系起来。我在这个领域完全是个新手，所以非常感谢您的帮助

import pandas as pd
import pyreadstat
df, meta = pyreadstat.read_sav('./SimData/survey_1.sav')
type(df)
type(meta)
df.head()

请lmk如果有一个额外的步骤需要我能够看到元数据

Answer 1

元对象包含您正在查找的元数据。最有用的属性可能是：

• meta.column_names_to_labels：这是一本字典，其中列的名称与数据框中的标签相同，意味着对每个列的含义有更长的解释

print(meta.column_names_to_labels)

• meta.variable_value_labels：一个dict，其中键是列名，值是dict，其中键是数据帧中的值，值是值标签

print(meta.variable_value_labels)

例如，如果“性别”列的值为1和2，则可以得到： {“性别”：{1:“男性”，2:“女性”} 这意味着值1为男性，值2为女性。 如果传递参数apply\u value\u formats，则可以从头开始获取这些标签：

df, meta = pyreadstat.read_sav('survey.sav', apply_value_formats=True)

您还可以随时使用pyreadstat.set_value_labels将这些值格式应用于数据帧，该标签返回带有标签的数据帧副本：

df_copy = pyreadstat.set_value_labels(df, meta)

• meta.missing_ranges：你会得到缺失值的标签。比如说，在调查的某个变量中，他们编码了1表示是，2表示否，然后混淆了值，5表示没有回答，6人不在家。默认情况下，当你读取数据帧时，你会得到值1、2和NaN（缺失）而不是5和6。您可以通过参数user_missing获得5和6，meta.missing_范围将告诉您5和6是缺失值。变量_值_标签将为您提供“未回答”和“人员不在家”标签

df, meta = pyreadstat.read_sav("survey.sav", user_missing=True)
print(meta.missing_ranges)
print(meta.variable_value_labels)

这些是对您的案例有用的潜在信息片段，不一定所有这些片段都会出现在您的数据集中

更多信息请参见：https://ofajardo.github.io/pyreadstat_documentation/_build/html/index.html