如何通過 pyreadstat?meta.original_variable_types 從 sas7bdat 文件中讀取數據類型，給出不同的值？

Question

import pyreadstat
df, meta = pyreadstat.read_sas7bdat('c:/ae.sas7bdat')
print(meta.original_variable_types)

此代碼打印值如下

{
    "TRIAL_NAME":"$",
    "SITEMNEMONIC":"$",
    "PATIENTNUMBER":"$",
    "VISITID":"BEST",
    "VISITREFNAME":"$",
    "SEQ":"BEST",
    "PANELNAME":"$",
    "STATUS":"DND",
    "COMPDT":"$",
    "COMPTM":"$",
    "SPECID":"$"
}

從 SAS 文檔中，我了解到$代表字符， BEST代表數字。 但是其他類型是什么呢？ 當我在 SAS 查看器中打開文件時，我可以看到類型為字符和數字。 我怎樣才能找回它？ 附加來自 SAS 查看器的元信息圖像。 我想檢索那種type

Answer 1

如果您只需要類型，那么很容易：在pyreadstat中如果$則它是字符，如果不是，它是數字。

您在 pyreadstat 中看到的是 SAS 的格式列中沒有可變寬度（單獨存儲在 meta.variable_display_width 的 pyreadstat 中）的內容。 您將在屏幕截圖中觀察到所有字符變量的格式都以 $ 開頭，接下來的數字是變量寬度。

SAS 只有兩種類型：字符和數字，因此如果不是字符，它就是數字。 該格式告訴 SAS 如何顯示變量。 對於字符，它只是顯示具有 cerain 寬度的字符 ($)，因為沒有其他選擇。 數字可以以不同的方式顯示，例如 BEST，但如果它們表示自 1960 年 1 月 1 日以來的天數，也可以顯示為 DATE，如果它們表示自 1960 年 1 月 1 日以來的秒數，則顯示為 DATETIME，等等。

如果缺少格式，您可以檢查列中的數據是否為字符串，在這種情況下，SAS 中的類型為字符。 其他任何東西都是數字：

import pyreadstat

df, meta = pyreadstat.read_xport('file.xpt')
dtypes = zip(list(df.columns), list(df.dtypes))

sas_types = dict()
for colname, coltype in dtypes:
    if coltype == object:
        nonan = df[colname].dropna()
        if not nonan.empty:
            if type(nonan[0]) == str:
                sas_types[colname] = 'character'
            else:
                sas_types[colname] = 'numeric'
        else:
            sas_types[colname] = '?'
    else:
        sas_types[colname] = 'numeric'

編輯：

在 pyreadstat 1.1.0 版中，您現在有了 meta.readstat_variable_types。 這是一個以變量名為鍵的字典，而值為從文件中提取的二進制類型Readstat。 對於 SAS 和 SPSS，您可能會得到“字符串”（字符）或“雙精度”（數字）。 在 Stata 中，您可能還會得到“int8”、“int32”和浮點數。