python转学sas多久(python导入sas文件)

如何零基础自学SAS？

从过来人的经验来看，最好最快的途径就是读牛人的代码，并且逐步运行看结果。比如你随便创建一个数据集，setsashelp.class，就可以运行很多数据步的代码。抛开SAS统计方法层面的各种proc，data步是SAS的精髓。看一个人SAS水平如何通常有两点，一就体现在数据步的使用上，比如看数据步会不会用first，last，setby算累计频数，因为PDV的读取是SAS的核心，如果你还会巧妙使用end=in=等技巧就刚好；二是看会不会写macro，要了解宏变量读取的方式，以及多个如何转义，个人感觉写宏其实不难，只要你打开options中的macrogen,mprint以及symbolgen等选项，并且知道在macro中可以开放的写%if以及%dowhile等，而不必像一般程序一样必须要写在封闭的数据步中就好，这样debug就变得很容易。

具体业务用的是什么咯，对比可以看下

（1）SAS：在商业分析领域，它是无可争辩的霸主。SAS提供了丰富的统计功能，友好的GUI界面可以让分析师快速上手，技术支持也做的相当到位。但，太贵了，并且对于一些最新的统计分析方法，SAS更新比较慢。

（2）Python：最早是一个开源脚本语言，近几年使用率大增。如今一些库（如numpy、scipy和matplotlib）和函数的引入，也使得它能支持几乎所有统计分析和统计建模工作。另外也由于Pandas这个库，使得Python在结构化数据的处理上非常给力。

，Python和SAS是两个很常用的数据挖掘工具。Python开源、免费、有丰富的三方库，一般在互联网公司广泛使用。而SAS需付费，且费用较高，一般互联网公司无法承担，更多的是在银行等传统金融机构中使用，不过这两年由于Python太火，原本使用SAS的也开始逐渐转向Python了。

拥抱开源，越来越多的爱好者造出优秀的Python轮子，比如当下比较流行的万金油模型Xgboost、LightGBM，在各种竞赛的top级方案中均有被使用。而SAS的脚步就比较慢了，对于一些比较新的东西都无法直接提供，所以对于那些使用SAS的朋友，就很难受了。

一直以来很多粉丝问过东哥这个问题：有没有一种可以将Python模型转成SAS的工具？

因为我本身是两个技能都具备的，实际工作中一般都是配合使用，也很少想过进行转换。但是，最近东哥逛技术论坛刚好发现了一个*操作，借助Python的三方库m2cgen和Python脚本即可完成Python模型到SAS的转换。

m2cgen是什么？

m2cgen是一个Python的第三方库，主要功能就是将Python训练过的模型转换为其它语言，比如R和VBA。遗憾的是，目前m2cgen尚不支持SAS，但这并不影响我们最终转换为SAS。

我们仍然使用m2cgen，需要借助它间接转换成SAS。具体的方案就是先将Python模型转换为VBA代码，然后再将VBA代码更改为SAS脚本，曲线救国。

如何使用m2cgen？

我直接用一个例子说明下如何操作。

数据我们使用sklearn自带的irisdataset，链接如下：

TheIrisDataset—scikit-learn1.1.1documentation

下面，演示一下如何将Python的XGBoost模型转成SAS代码。

首先导入所需的库包和数据。

#导入库

importpandasaspd

importnumpyasnp

importos

importre

fromsklearnimportdatasets

fromxgboostimportXGBClassifier

fromsklearn.model_selectionimporttrain_test_split

fromsklearn.metricsimportaccuracy_score

importm2cgenasm2c

#导入数据

iris=datasets.load_iris()

X=iris.data

Y=iris.target

登录后复制

然后，我们划分数据集，直接扔进XGBoost里面，建立base模型。

#划分数据为训练集和测试集

seed=2020

test_size=0.3

X_train,X_test,y_train,y_test=train_test_split(X,Y,test_size=test_size,random_state=seed)

#训练数据

model=XGBClassifier()

model.fit(X_train,y_train)

登录后复制

然后，再将XGBoost模型转换为VBA。使用m2cgen的export_to_visual_basic方法就可以直接转成VBA了。转换成其他语言脚本也是同理，非常简单。

code=m2c.export_to_visual_basic(model,function_name='pred')

登录后复制

核心的*操作来了！

m2cgen不支持SAS，但我们可以把VBA代码稍加改动，就能变成符合SAS标准的代码了。而这个改动也无需手动一个个改，写一段Python脚本即可实现VBA脚本转换为SAS脚本。

改动的地方不多，主要包括：删除在SAS环境中不能使用的代码，像上面结果中的Molexxx，Functionyyy，DimvarZAsDouble，还有在语句结尾加上;，这些为的就是遵循SAS的语法规则。

下面就是转换的Python脚本，可以自动执行上面所说的转换操作。

#1、移除SAS中不能使用的代码

code=re.sub('Dimvar.*AsDouble','',code)

code=re.sub('EndIf','',code)

#下面操作将修改成符合SAS的代码

#2、修改起始

code=re.sub('MoleModel\nFunctionpred(ByRefinputVector()AsDouble)AsDouble()\n',

'DATApred_result;\nSETdataset_name;',code)

#3、修改结尾

code=re.sub('EndFunction\nEndMole\n','RUN;',code)

#4、在结尾加上分号';'

all_match_list=re.findall('[0-9]+\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

all_match_list=re.findall(')\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

#用var来替代inputVector

dictionary={'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

forkeyindictionary.keys():

code=code.replace(key,dictionary[key])

#修改预测标签

code=re.sub('Math.Exp','Exp',code)

code=re.sub('pred=.*\n','',code)

temp_var_list=re.findall(r"var[0-9]+(\d)",code)

forvar_idxinrange(len(temp_var_list)):

code=re.sub(re.sub('\(','\(',re.sub('\)','\)',temp_var_list[var_idx])),iris.target_names[var_idx]+'_prob',code)

登录后复制

对以上脚本分步解释说明一下。

1、开头、结尾、输出名称

前三个部分非常简单。使用正则表达式删除多余的行，然后将脚本的开头更改为DATApred_result;\nSETdataset_name;。

使用过SAS的同学就很熟悉了，pred_result是运行SAS脚本后的输出表名称，dataset_name是我们需要预测的输入表名称。

最后再将脚本的结尾更改为RUN;。

#移除SAS中不能使用的代码

code=re.sub('Dimvar.*AsDouble','',code)

code=re.sub('EndIf','',code)

#下面操作将修改成符合SAS的代码

#修改起始

code=re.sub('MoleModel\nFunctionpred(ByRefinputVector()AsDouble)AsDouble()\n',

'DATApred_result;\nSETdataset_name;',code)

#修改结尾

code=re.sub('EndFunction\nEndMole\n','RUN;',code)

登录后复制

2、语句末尾添加分号

为遵循SAS中的语法规则，还需将每个语句的结尾加上;。仍用正则表达式，然后for循环在每一行最后添加字符;即可。

#在结尾加上分号';'

all_match_list=re.findall('[0-9]+\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

all_match_list=re.findall(')\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

登录后复制

3、映射变量名称

使用字典将InputVector与变量名称映射到输入数据集中，一次性更改所有InputVector。

#用var来替代inputVector

dictionary={'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

forkeyindictionary.keys():

code=code.replace(key,dictionary[key])

登录后复制

4、映射变量名称

最后一步就是更改预测标签。

#修改预测标签

code=re.sub('Math.Exp','Exp',code)

code=re.sub('pred=.*\n','',code)

temp_var_list=re.findall(r"var[0-9]+(\d)",code)

forvar_idxinrange(len(temp_var_list)):

code=re.sub(re.sub('\(','\(',re.sub('\)','\)',temp_var_list[var_idx])),iris.target_names[var_idx]+'_prob',code)

登录后复制

然后保存sas模型文件。

＃保存输出

vb=open('vb1.sas','w')

vb.write(code)

vb.close()

登录后复制

最后，为了验证sas脚本是否正确，我们将sas模型的预测结果和Python的结果进行一下对比。

#python预测

python_pred=pd.DataFrame(model.predict_proba(X_test))

python_pred.columns=['setosa_prob','versicolor_prob','virginica_prob']

python_pred

#sas预测

sas_pred=pd.read_csv('pred_result.csv')

sas_pred=sas_pred.iloc[:,-3:]

sas_pred

(abs(python_pred-sas_pred)0.00001).sum()

登录后复制

可以看到，两个预测的结果基本上一样，基本没问题，我们就可以在sas中跑xgboost模型了。

总结

上面只是个最简单的示例，没有对特征处理。对于复杂的建模过程，比如很多特征工程，那就要对Python脚本进一步调整了。

以上就是本次分享的所有内容，如果你觉得文章还不错，欢迎关注公众号：Python编程学习圈，每日干货分享，发送“J”还可领取大量学习资料，内容覆盖Python电子书、教程、数据库编程、Django，爬虫，云计算等等。或是前往编程学习网，了解更多编程技术知识。

python

机器学习

数据挖掘

视频教程-完整的Python和SAS数据分析-大数据

422阅读·0评论·0点赞

2020年5月28日

python访问sas逻辑库,SAS|逻辑库和SAS数据集

460阅读·0评论·0点赞

2021年4月26日

python学习笔记---linux/windows调用sas程序

875阅读·0评论·0点赞

2019年10月24日

python可以代替sas_Python、R语言、SAS、SPSS优缺点比较？（转）

604阅读·0评论·1点赞

2020年12月17日

python访问sas逻辑库_SAS编程基础-逻辑库和数据集

138阅读·0评论·0点赞

2020年12月9日

服务器部署sas_如何在阿里云SAS上部署WordPress网站

1429阅读·0评论·0点赞

2020年8月29日

python和sas配合使用_太*了！Python模型完美切换SAS，还能这么玩。。

1963阅读·0评论·2点赞

2021年1月14日

python导入sas数据集_将变量从SAS传递到Python

344阅读·0评论·0点赞

2021年2月3日

python访问sas逻辑库_SAS岩论|在JupyterNotebook中使用SAS

429阅读·0评论·0点赞

2020年12月9日

#sas建模-建模入门介绍

2257阅读·0评论·2点赞

2019年9月18日

#sas建模-建模过程介绍

2805阅读·1评论·0点赞

2019年9月18日

python调用sas_SAS日常使用的语句预定的python表达

370阅读·0评论·0点赞

2020年12月8日

python读取sas数据集_SASpy模块，利用Python操作SAS

1432阅读·0评论·0点赞

2020年11月26日

python可以代替sas,像SAS一样转置的python数据帧

156阅读·0评论·0点赞

2021年4月27日

sas和python的区别知乎_银行业为什么喜欢用sas而不是python？

1559阅读·0评论·0点赞

2020年12月9日

python和sas代码编写_如何从SAS到python编写if语句

329阅读·0评论·0点赞

2021年1月29日

saspython知乎_pyt

根据我个人经历的话：风管爱SAS，策略爱Python。SAS能handle很大数据量，量大时跑得快，而且很多统计功能用起来方便，和其它软件结合的很好，可以博采众长。有时候有些功能sas能实现但proc加其它软件做merge啊join啊能快很多；Python的话就比较好上手，而且package各式各样的，设计那种从网页扒数据的策略啊，timeseries相关的策略啊，都可以选相应的package辅助。另外我的经验来看的确美帝大公司很爱SAS，我前老板说这个写简历上会非常fancy。【毕竟这软件不便宜个人一般不用？】Python的话很accessible，用mac就更是自带python。另外一些网上的回测平台都是用的python的语法，的确很适合拿它写策略吖～

???我使用python这门语言也有三年了，被其简洁、易读、强大的库所折服，我已经深深爱上了python。其pythonic语言特性，对人极其友好，可以说，一个完全不懂编程语言的人，看懂python语言也不是难事。

???在数据分析和交互、探索性计算以及数据可视化等方面，相对于R、MATLAB、SAS、Stata等工具，Python都有其优势。近年来，由于Python库的不断发展（如pandas），使其在数据挖掘领域崭露头角。结合其在通用编程方面的强大实力，我们完全可以只使用Python这一种语言去构建以数据为中心的应用程序。

???由于python是一种解释性语言，大部分编译型语言都要比python代码运行速度快，有些同学就因此鄙视python。但是小编认为，python是一门高级语言，其生产效率更高，程序员的时间通常比CPU的时间值钱，因此为了权衡利弊，考虑用python是值得的。

Python强大的计算能力依赖于其丰富而强大的库：

Numpy

NumericalPython的简称，是Python科学计算的基础包。其功能：

1.快速高效的*数组对象ndarray。

2.用于对数组执行元素级计算以及直接对数组执行数*算的函数。

3.线性代数运算、傅里叶变换，以及随机数生成。

4.用于将C、C++、Fortran代码集成到Python的工具。

除了为Python提供快速的数组处理能力，NumPy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，NumPy数组在存储和处理数据时要比内置的Python数据结构高效得多。此外，由低级语言（比如C和Fortran）编写的库可以直接操作NumPy数组中的数据，无需进行任何数据复制工作。

SciPy

是一组专门解决科学计算中各种标准问题域的包的集合，主要包括下面这些包：

1.scipy.integrate：数值积分例程和微分方程求解器。

2.scipy.linalg：扩展了由numpy.lina