将SAS数据文件导入python数据fram

Question

我正在研究一个数据集（PSID），它提供SAS格式的数据（一个.txt和另一个包含解释数据指令的文件）。我在Python中找不到任何东西来读取这种类型的数据。

是否有人知道用于读取SAS数据的预先存在的模块/脚本？

编辑（从注释添加到应答）：数据是ascii/text格式的，一行数据的开头如下：

3 10 1015000 150013200 00 002500 00 00

Answer 1

从版本17开始，熊猫现在支持读取扩展名为.xpt的sas文件。有关更多详细信息，请参见熊猫文档this link。

df = pd.read_sas('sas_xport.xpt')

Answer 2

所以我写了一个可以导入数据的包。可以在这里找到：

https://pypi.python.org/pypi/psid_py

这是我的第一个包裹，很抱歉工作太草率了。此外，它只针对PSID数据集进行了测试，我确信其他SAS格式也存在错误。然而，总比什么都没有好。

除了读取sas数据外，它还将为您构建一个面板数据，以防您陷入这种情况。

Answer 3

当您可以选择下载SAS数据集时，您通常也可以选择下载Stata数据集（这确实是PSID btw的情况）。在这种情况下，最简单的方法可能是使用read_stata导入（这在将来可能会发生变化，但我相信从今天起这是一个非常准确的声明）。

不太方便，但几乎总是可以选择下载文本文件（通常称为文本、ascii或csv）。它们通常有两种类型：分隔（使用逗号或制表符）或空格分隔（列或表）。如果文件是逗号或制表符分隔的，请使用read_csv，并根据需要设置分隔符。如果它是空格分隔的或表格形式的，那么您可能在使用read_csv时运气很好，或者在使用read_fwf或read_table时会更好。取决于变量类型和格式。

据我所读，@hd1提到的sas7bdat似乎工作得很好，但还不是熊猫的一部分。出于这个原因，我倾向于默认使用read_stata或read_csv，但希望sas7bdat也能很好地工作，也许将来会被带到熊猫体内。另外，我想知道sas7bdat的速度。read_csv已经相当快了很长一段时间，而且read_stata在最新版本中非常快（我相信从15.0开始）。我不确定sas7bdat的速度？