添加列后用pyreadstat导出的.sav文件体积暴涨十倍的解决办法求助

我在Jupyter Notebook中处理.sav（SPSS）格式文件，导入时文件大小为20MB，但添加单个列后使用pyreadstat导出为.sav文件，体积超过了200MB。我使用的数据可视化软件最大仅支持200MB文件，因此急需解决该问题。

我猜测是定义变量值标签和缺失范围的两个字典导致了文件大小差异。除了从元数据生成字典（我打印元数据后复制输出并保存为字典），再将其指定为导出时的variable_value_labels之外，我不知道其他向元数据添加新变量的方法。

导出代码如下：

# 导出包含变量值标签和缺失范围的.sav文件
pyreadstat.write_sav(df, "filename.sav", missing_ranges=missing_ranges_dict, variable_value_labels = metadata_dict )

导出后的.sav文件功能正常，但体积过大。

针对pyreadstat导出.sav文件体积暴增的问题，可尝试以下方案：

• 清理元数据字典的冗余内容
  从原文件元数据复制生成的metadata_dict可能包含大量重复或不必要的标签定义，你只新增了单个列，无需传入所有原有变量的标签。仅保留原有变量的必要标签，以及新增列的标签，避免冗余数据写入文件。

• 直接修改原元数据对象而非重建字典
  不要手动复制元数据生成字典，直接使用导入时获取的元数据对象修改，沿用原文件的元数据结构，避免格式冗余问题：

  # 导入时同步获取元数据
  df, metadata = pyreadstat.read_sav("original_file.sav")
  # 给新增列添加值标签
  metadata.variable_value_labels["new_column_name"] = {1: "标签1", 2: "标签2"}
  # 给新增列设置缺失范围（按需操作）
  metadata.missing_ranges["new_column_name"] = [-99, -99]
  # 使用修改后的元数据导出文件
  pyreadstat.write_sav(df, "new_file.sav", metadata=metadata)
  

• 检查缺失范围定义的合理性
  确保missing_ranges_dict仅为需要设置缺失值的变量定义精准范围，避免过大或不必要的范围定义——这类错误会让SPSS存储额外索引数据，导致文件膨胀。

• 启用导出压缩功能
  pyreadstat的write_sav支持compress参数，设置为True可启用SPSS文件压缩，有效减小体积：

  pyreadstat.write_sav(df, "filename.sav", metadata=metadata, compress=True)
  

内容的提问来源于stack exchange，提问作者Steinunn Sigurjónsdóttir