Pandas 在讀取 SAS 文件時因正確的數據類型而失敗

Question

我有一個SAS 數據集，當我運行它時，我在 SAS 上得到以下輸出：

我還有以下 Python 代碼，它獲取 .sas7bdat 文件並顯示輸出，即這里的前五個觀察結果。

import pandas as pd
file_name = "cars.sas7bdat"
my_df = pd.read_sas(file_name)
my_df = my_df.head()
print(my_df)

如您所見，當涉及整數數據類型時，它無法正常工作。 CYL 和 WGT 變量是整數，但如果我使用 pandas 的read_sas 函數，則無法正確顯示。

知道這到底是怎么回事嗎？

Answer 1

SAS 將所有數字表示為 64 位（8 字節）浮點數。 但是您可以通過告訴它存儲少於 8 個字節來節省磁盤空間。 您發布的數據集為 CYL 和 WGT 執行了此操作。

當 SAS 從磁盤讀回數據集以使用時，它將丟失的最低有效字節設置為二進制零。 顯然read_sas不明白這一點，它沒有將丟失的字節設置為二進制零，而是做了其他事情。 因此，看似隨機的數據。

CYL 的第一個值是8 ，在 IEEE 浮點數中將是十六進制代碼

40 20 00 00 00 00 00 00

您顯示的值8.00046將改為此值。

40 20 00 06 07 80 FD C1

Answer 2

終於解決了這個問題。 嗯，這似乎肯定是熊貓的錯誤​​。 我通過鍵入以下內容（安裝）直接使用了 .sas7bdat 庫：

pip install sas7bdat

然后我運行以下代碼：

import sas7bdat
from sas7bdat import *

file_name = file_path + "cars.sas7bdat"
foo = SAS7BDAT(file_name)
my_df = foo.to_data_frame()
my_df = my_df.head()
print(my_df)

運行上述代碼后，我在 Python 中得到以下輸出：

所以，我得到了顯示正確數據類型的輸出。

希望 Pandas 開發者找到解決上述 bug 的方法。