利用Python获取SAS和R自带数据集

图：北京-奥森公园-2018年4月

无论是SAS、R还是Python，本身都自带一些数据集，对于初学者来说，可以通过这些自带的小数据集进行编程练习，无疑是非常方便的。SAS、R作为统计分析软件，本身自带的数据集较为丰富，而Python自带的数据集则相对较少，只有6、7个，存在于机器学习sklearn.datasets模块中。

如何利用Python获取到SAS和R自带的数据集呢？

方法大概有下面这几种：

将SAS、R数据集导出为txt,csv,excel等格式，再通过Python读取；

利用pandas.read_sas()直接读取SAS的数据集文件；

Python调用XXX，或者XXX调用Python？安装配置复杂，容易出问题；

使用SAS、R将自带数据集一次性写入MySQL，再通过Python读取；

从复用性和学习的角度，这里采用上面的第四种方法实现。

1、配置MySQL ODBC数据源

在“控制面板”-“管理工具”-“ODBC数据源”中添加，如下图所示：

配置MySQL的连接参数，配置好点击test测试一下是否成功。

2、将SAS自带数据集导入MySQL

将SAS数据集写入MySQL比较简单暴力，直接copy库即可，期间可能会报错，但这不影响proc copy的执行。导入完毕后，在MySQL客户端中，通过show tables可以查看所导入的全部表名称。当然，也可以通过在SAS中连接MySQL进行查看。

3、将R自带数据集导入MySQL

将R全部数据集写入MySQL的操作过程，通过循环来实现，并使用try函数跳过错误，同Python的try方法有异曲同工之处。

4、使用python读取MySQL数据

如下通过sqlalchemy模块的create_engine创建数据库连接，进行简单的数据库读写操作。

注：导入create_engine的过程中可能会报错：

1、如果提示No module named MYSQLdb，则需要安装mysqlclient模块（Windows）；

2、如果安装过程中提示pyasn1-modules有问题，且pip uninstall pyasn1无法卸载时，可以手动删除pyasn1相关的文件和文件夹，然后重新安装：pip install pyasn1-modules。