python與SAS資料處理入門--格式轉換

 當匯入的資料格式並非分析時所需的格式時，就需要事先進行轉換。

 舉個最常見的例子，在資料處理時常常會遇到日期資料以為文字格式做儲存，如下圖所示，生日的部分為文字格式並非日期格式，分析上往往需要的是年齡變項，必須透過生日計算年齡。但是當Birthday變項為文字格式時，在計算上就會遇到困難，必須優先進行格式轉換的處理。

以下的操作就以生日欄位為例進行格式轉換。

以SAS進行日期格式轉換

基礎版，用substr做擷取

data id_date;set id;

Birth_date=mdy(substr(Birthday,5,2),substr(Birthday,7,2),substr(Birthday,1,4)) ;

format Birth_date yymmdd10.;run;

 

進階版，用input直接轉換

data id_date;set id;

Birth_date=input(Birthday, yymmdd8.) ;

format Birth_date yymmdd10.;run;

 

以Python進行日期格式轉換

id_list["Birth_date"] = pandas.to_datetime(id_list["Birthday"], format = '%Y%m%d') #format之後設定日期格式

當然，實務上會遇到需要轉換成不同形式的日期格式，並不會種是這麼單純，因此以下彙整SAS與python日期格式的表示。

	Python 程式
年	%Y	4位數的年
	%y	2位數的年
月	%m	2位數的月[01,12]
	%b	英文月份簡寫
	%B	英文月份完整寫法
日	%d	2位數的日[01，31]
時	%H	時（24小時制）[00,23]
	%l	時（12小時制）[01,12]
分	%M	2位數的分[00,59]
秒	%S	秒[00,61]有閏秒的存在
特殊表示	%w	用整數表示的星期幾[0（星期天），6]
	%F	%Y-%m-%d簡寫形式例如，2017-06-27
	%D	%m/%d/%y簡寫形式

SAS的格式邏輯則不像Python那麼直觀，SAS利用符號與數字來搭配表示對應的格式，以2020/8/1的日期為例：

	Python	SAS
20200801	%Y%m%d	yymmdd8.
2020/08/01	%Y/%m/%d	yymmdd10.

如果遇到斜線的部分Python僅需要表示出斜線的位置即可，但在SAS上則是有明確對應的格式設定。因此以下整理幾個SAS常用的日期格式。

SAS 程式
日期呈現	Format 格式
20200801	yymmdd8.
2020/08/01	yymmdd10.
2020.08.01	yymmddp10.
08/01/20	mmddyy8.
01AUG2020	date9.