是否有用于打开 SPSS 文件的 Python 模块？

Posted 2023-02-23

【中文标题】是否有用于打开 SPSS 文件的 Python 模块？

【英文标题】：Is there a Python module to open SPSS files?

【发布时间】：2013-01-16 19:22:18

【问题描述】：

是否有用于 Python 的模块来打开 IBM SPSS（即 .sav）文件？如果有最新的东西不需要任何额外的 dll 文件/库，那就太好了。

【问题讨论】：

Exporting to SPSS files in Python Django? 的可能重复项如果您愿意，还有一个 recipe 处于活动状态

嗨，巴库留。它不是重复的，因为我没有引用 Django 框架，我说的是打开，而不是导出/写入文件，并且我提到了对不需要外部库/dll 的最近的东西的偏好。这些问题之间有一些共同点，但它们可以引发不同的以及相似的回答。感谢您的链接，但如果可能的话，我再次尝试避免使用 dll 文件。

另一个答案引用了Django，但实际上与它无关。由于导出需要能够写入文件，因此您也可以读取它的机会很高。阅读周围我坚信您只有一个选择：使用 IBM 发布的.dll。我找不到该文件格式的任何开放规范，这意味着读取这些文件的唯一方法是使用 IBM 的库。您总是可以尝试对格式进行逆向工程，但这需要更多的时间和精力。

谢谢，巴库留。很不幸，但正如您所说，IBM 的 .dll 版本看起来很可能是要使用的东西。

【参考方案1】：

我发布了一个 python 包“pyreadstat”，它可以读取 SPSS（sav、zsav 和 por）、Stata 和 SAS 文件。它是 C 库 ReadStat 的包装器，因此速度非常快。 Readstat 是 R 库 Haven 后面使用的库，应用广泛，非常健壮。

包是自动包含的。它不需要使用 R（不需要安装额外的应用程序）并且不依赖于 IBM dll 或其他外部库。

例如，为了读取 SPSS sav 文件，您可以：

import pyreadstat

df, meta = pyreadstat.read_sav("/path/to/sav/file.sav")

df 是一个熊猫数据框。 Meta 包含元数据，例如变量标签或值标签。 read_sav 读取 sav 和 zsav（压缩）文件。还有一个函数 read_por 用于旧的 por（便携式）文件。

你可以在这里找到它：https://github.com/Roche/pyreadstat

【讨论】：

这就是我喜欢 Python 的原因。搞砸了很多地方，最后想到让我们使用Python。它第一次奏效。谢谢。

性能惊人的神奇库！非常感谢。

我迟到了，但是我想加两分钱。对我来说，我在一个远程服务器上工作，我偶尔会在尝试 pip 安装新包等时破坏一些东西，所以scipy.io 中的readsav 函数对我有用，并且已经包含在内.使用pandas.rpy.common 的另一个最佳答案对我也不起作用，因为显然这不是rpy 包含的属性。

@StevenThomas 注意到 scipy.io.readsav 读取和 IDL sav 文件，而不是 SPSS sav 文件（此线程的主题）。 IDL 是一个完全不同的编程环境。 Pyreadstat 不读取 IDL 文件，只读取 SPSS。

@OttoFajardo 感谢您的澄清，我没有意识到有不同类型的 .sav 文件。也许我应该删除我的评论？

【参考方案2】：

取决于您想要做什么——使用来自rpy2 的与 R 相关的命令处理数据，或者切换到 Python——相关线程上的solution provided by @Spacedman 可能很容易适应您的需要。

否则，Pandas 包含 convenient wrapper for rpy2。下面是使用 Peat 和 Barton 的 weights.sav 数据集的示例：

>>> import pandas.rpy.common as com
>>> filename = "weights.sav"
>>> w = com.robj.r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)
>>> w = com.convert_robj(w)
>>> w.head()
     ID  WEIGHT  LENGTH  HEADC  GENDER  EDUCATIO              PARITY
1  L001    3.95    55.5   37.5  Female  tertiary  3 or more siblings
2  L003    4.63    57.0   38.5  Female  tertiary           Singleton
3  L004    4.75    56.0   38.5    Male    year12          2 siblings
4  L005    3.92    56.0   39.0    Male  tertiary         One sibling
5  L006    4.56    55.0   39.5    Male    year10          2 siblings

【参考方案3】：

作为后来人们发现的注释（像我一样）：pandas.rpy已在最新版本的 pandas (>0.16) 中被弃用，如 here 所述。该页面包含有关更新代码以使用rpy2 接口的信息。

【讨论】：

感谢分享。所以com.convert_robj(rdf) 应该替换为pandas2ri.ri2py(rdf)。但是com.robj.r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)呢？

【参考方案4】：

当您拥有 pandas >= 0.25.0 后，您现在终于可以只做pd.read_spss()：

# you need pandas >= 0.25.0 for this    
import pandas as pd
df = pd.read_spss('your_spss_file.sav')

这需要库 pyreadstat，因此您可能必须先安装它：

pip install pyreadstat

关于pd.read_spss()的参数的额外信息：

参数 ----------路径：字符串或路径 文件路径

usecols：类似列表，可选 返回列的子集。如果没有，则返回所有列。

convert_categoricals : bool，默认为 True 将分类列转换为 pd.Categorical。

退货 ------- 数据帧

【参考方案5】：

但是使用 IBM 库的好处是他们可以正确地获得这种相当复杂的二进制文件格式。它们是免费的，减轻您为这种格式编写代码的负担，并且许可证允许您重新分发它们。你还能问什么？

【讨论】：

我会要求 ARM 支持 :)

在哪里可以找到 IBM 库？

您可以通过点击 IBM Predictive Analytics 社区站点 (developer.ibm.com/predictiveanalytics) 上的下载链接来获取它们

【参考方案6】：

这里有你可能感兴趣的包

Bitbucket 上的savReaderWriter

savReaderWriter 3.4.2 在 Python 包索引存储库中

【参考方案7】：

我和@Pyderman 有同样的问题，关于如何为熊猫更新这个 (>0.16)。这是我想出的：

from rpy2.robjects import pandas2ri, r
filename = 'weights.sav'
w = r('foreign::read.spss("%s", to.data.frame=TRUE)' % filename)
df = pandas2ri.ri2py(w)
df.head()

【参考方案8】：

也许您会觉得这很有用：http://code.activestate.com/recipes/577811-python-reader-writer-for-spss-sav-files-linux-mac-/

【讨论】：

谢谢，SM，但该模块需要一个额外的 dll 文件，而这是我试图避免的。是否有一个模块（最好是最新的）包含所有必要的功能而不使用外部库？

没有一个我知道或无法使用谷歌找到的，抱歉。为什么使用您无法忍受的外部库？我想你每天都会使用很多，无论是 Python 还是其他任何东西，包括操作系统。

如果其他选项用尽，我不排除使用 dll 的可能性，但如果可能的话，我想避免这种情况。依赖项越少，事情就越干净，出错的可能性就越低。

而且不太可能做对，Lamps1829。 IBM 为运行 SPSS Statistics 的所有平台免费提供的 i/o 模块使用的代码与 Statistics 本身使用的代码相同，因此可以保证它们是同步的。并且上面提到的 Python 读取器/写入器实用程序也使用这些库。这些库也会随着新闻功能添加到 sav 文件格式而更新。 R 库，我上次查看时并没有得到正确的结果。

【参考方案9】：

您可以使用python interface to R，然后在library(foreign) 中使用read.spss 导入数据。