在使用pandas read_sas读取SAS文件时,遇到中文的情况就会乱码,输出一堆诸如 b’x\bc’ 之类的东西。加上 encoding=‘GBK’ 也只能处理一部分中文,不能完全避免乱码的现象。
遇到这种情况,可以使用 SAS7BDAT 库去读含有中文的sas7bdat文件,并转换成frame进行后续的操作。
from sas7bdat import SAS7BDAT
df = SAS7BDAT(filename,encoding='gbk').to_data_frame()
有时还会报出下面的警告:
[file.sas7bdat] header length 65536 != 8192
这是因为sas7bdat库的版本和sas文件不兼容导致的,可以通过如下方法进行屏蔽掉:
from sas7bdat import SAS7BDAT
import logging
df = SAS7BDAT(filename,encoding='gbk',log_level=logging.ERROR).to_data_frame()