如何用Python Pandas读取SAS传输文件并获取变量标签？

Pandas的read_sas函数默认返回的DataFrame仅以变量名作为列标题，但可以通过其内置的SAS文件读取类直接提取变量标签，无需借助其他库。

实现步骤与代码 #

• 利用pd.io.sas.sasreader.SASXportReader类读取XPT文件，该类会保留文件的元数据信息
• 从元数据中提取变量名与对应标签的映射关系
• 按需将标签应用到DataFrame，或单独存储供后续使用

import pandas as pd

# 读取XPT文件并提取元数据
with pd.io.sas.sasreader.SASXportReader('AE.xpt', encoding='UTF-8') as reader:
    # 生成变量名-标签的字典
    var_label_mapping = {var['name']: var['label'] for var in reader.metadata.variables}
    # 读取数据到DataFrame
    df = reader.read()

# 可选操作1：将标签替换为列名（注意处理无标签/重复标签的情况）
df.columns = [var_label_mapping.get(col, col) for col in df.columns]

# 可选操作2：保留原变量名，将标签存入DataFrame的属性中
df.attrs['variable_labels'] = var_label_mapping

关键说明 #

• reader.metadata.variables是包含所有变量元数据的列表，每个元素包含name（变量名）、label（变量标签）等字段
• 若变量无标签，var['label']会返回None，可以用get方法设置默认值（比如保留原变量名）
• 建议使用Pandas 1.3.0及以上版本，旧版本的元数据读取逻辑可能存在差异

内容的提问来源于stack exchange，提问作者Glenn R.