pyreadstat读写spss不丢失数据

Question

要使用 pandas/pyreadstat 读取 spss .sav 文件，请使用：

df, meta = pyreadstat.read_sav()

要编写数据框，请使用：

pyreadstat.write_sav(df)

如何读取、编辑和写入 .sav 文件而不丢失任何元数据，例如标签和其他可以在 spss 中更改的内容？

如果这完全不可能，那么最接近不丢失数据的方式是什么？

Answer 1

空谈很便宜，这是代码。 :-)

# using pyreadstat
from pyreadstat import write_sav

class TempFile(type(pathlib.Path())):  # type: ignore
    def __exit__(self, exc_type, exc_val, exc_tb):
        filepath = str(self.absolute())
        try:
            os.remove(filepath)
        except OSError:
            logger.exception('romve temporary file: %s failed!', filepath)
        self._closed = True

class SpssTool:
    @classmethod
    def to_spss(cls, df: DataFrame, io: BytesIO, metadata: metadata_container, *, compress: bool = False):
        """Writes a pandas dataframe to a BytesIO object.

        Parameters
        ----------
        df : pandas.DataFrame
            pandas data frame to write to sav or zsav
        io : BytesIO
            the buffer to save spss file
        metadata: metadata_container
            spss file meta data container
        compress : bool
            whether compress to zsav.
        """

        df.columns = SpssTool.get_legal_column_names(df.columns.to_list())

        with TempFile(f'/tmp/{uuid4().hex}.{"zsav" if compress else "sav"}') as fp:
            write_sav(
                df=df,
                dst_path=fp,
                column_labels=metadata.column_labels if metadata else None,
                variable_value_labels=dict(metadata.variable_value_labels) if metadata else {},
                variable_measure=metadata.variable_measure if metadata else None,
            )
            io.write(fp.read_bytes())

一些解释：

• SpssTool.get_legal_column_names

这是必需的，因为spss文件对列名有限制，详细信息请参阅官方文档：https://www.ibm.com/docs/en/spss-statistics/27.0.0?topic=view-variable-names

• metadata_container

这是来自

from pyreadstat import metadata_container

。保存有关数据集信息的容器，您可以在以下位置找到更多详细信息：https://ofajardo.github.io/pyreadstat_documentation/_build/html/index.html#metadata-object-description

这些也许就是您所需要的。

Answer 2

函数 write_sav 有许多参数来设置不同的元数据，例如 column_labels、variable_value_labels 等。

使用 read_sav 时，除了数据帧 df 之外，您还将获得元数据对象元，您将在原始文件中找到许多元数据。您可以编辑（或不编辑）它们，然后将它们传递给 write_sav 不同的参数，以便设置元数据。

话虽如此，但可能无法像在 SPSS 中那样设置每一条元数据，因此这是您能得到的最接近的结果。

请阅读文档以了解 write_sav 有哪些参数，以及在读取 read_sav 时获得哪些元数据。本文档还向您指出了自述文件中解释如何设置不同元数据的位置，因此自述文件也是一个很好的信息来源。

文档 自述文件

Answer 3

您可以使用

pyreadstat

代替

pyspssio

。

如果您是第一次使用此库，您可能需要安装它：

pip install pyspssio

要读取数据，您可以使用与 pyreadstat 类似的语法：

import pyspssio
df, meta = pyspssio.read_sav("C:/my_doc.sav")

要导出元数据，请使用metadata=...参数：

pyspssio.write_sav("C:/my_doc v2.sav",df,metadata=meta)

您可以在这里找到更多详细信息： https://pyspssio.readthedocs.io/en/stable/readme.html