SAS Kernel for Jupyter 安装与使用教程

SAS Kernel for Jupyter 安装与使用教程

sas_kernel A Jupyter kernel for SAS. This opens up all the data manipulation and analytics capabilities of your SAS system within a notebook interface. Use the Jupyter Notebook interface to execute SAS code and view results inline. sas_kernel 项目地址: https://gitcode.com/gh_mirrors/sa/sas_kernel

1. 项目介绍

SAS Kernel for Jupyter 是一个开源项目,旨在为 Jupyter Notebook 提供一个 SAS 内核。通过这个内核,用户可以在 Jupyter Notebook 环境中直接运行 SAS 代码,并查看结果。这使得用户能够利用 SAS 系统的数据处理和分析能力,同时享受 Jupyter Notebook 的交互式编程体验。

主要特点

  • 集成 SAS 功能:在 Jupyter Notebook 中无缝使用 SAS 的数据处理和分析功能。
  • 代码共享:通过 Jupyter Notebook 的 JSON 格式,方便地共享代码和结果。
  • 兼容性:支持 Python 3 和 Jupyter 4 及以上版本,兼容 SAS 9.4 及以上版本,包括 SAS Viya。

2. 项目快速启动

安装步骤

  1. 使用 pip 安装

    pip install sas_kernel
    
  2. 使用 conda 安装

    conda install -c anaconda sas_kernel
    
  3. 从源码安装

    pip install git+https://github.com/sassoftware/sas_kernel.git@main
    

验证安装

安装完成后,可以通过以下命令验证 SAS Kernel 是否成功安装:

jupyter kernelspec list

你应该会看到类似如下的输出:

Available kernels:
  python3    /home/sas/anaconda3/lib/python3.5/site-packages/ipykernel/resources
  sas        /home/sas/local/share/jupyter/kernels/sas

启动 Jupyter Notebook

启动 Jupyter Notebook 并选择 SAS 内核:

jupyter notebook

示例代码

在 Jupyter Notebook 中,你可以编写并运行如下 SAS 代码:

data iris;
    set sashelp.iris;
run;

proc print data=iris(obs=10);
run;

3. 应用案例和最佳实践

数据分析

SAS Kernel 非常适合用于数据分析任务。例如,你可以使用 SAS 的 PROC 过程进行数据清洗、统计分析和可视化。

proc means data=iris;
    var SepalLength SepalWidth PetalLength PetalWidth;
run;

机器学习

SAS 提供了强大的机器学习功能,你可以在 Jupyter Notebook 中使用这些功能进行模型训练和评估。

proc logistic data=iris;
    model Species = SepalLength SepalWidth PetalLength PetalWidth;
run;

报告生成

通过 Jupyter Notebook,你可以将 SAS 的分析结果直接嵌入到报告中,方便分享和展示。

4. 典型生态项目

SASPy

SASPy 是一个 Python 库,允许你通过 Python 代码与 SAS 进行交互。SAS Kernel 依赖于 SASPy,因此在使用 SAS Kernel 之前,你需要配置 SASPy。

JupyterLab 扩展

SAS Kernel 支持 JupyterLab 扩展,这些扩展可以提高你在 JupyterLab 中的编程效率。你可以通过以下命令安装这些扩展:

pip install sas_kernel[jlab_ext]

NBGrader

NBGrader 是一个用于分配和评分 Jupyter Notebook 的系统,它与 SAS Kernel 兼容。你可以使用 NBGrader 来创建和评分包含 SAS 代码的作业。

通过这些生态项目,SAS Kernel 不仅扩展了 Jupyter Notebook 的功能,还增强了其在数据科学和分析领域的应用能力。

sas_kernel A Jupyter kernel for SAS. This opens up all the data manipulation and analytics capabilities of your SAS system within a notebook interface. Use the Jupyter Notebook interface to execute SAS code and view results inline. sas_kernel 项目地址: https://gitcode.com/gh_mirrors/sa/sas_kernel

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

数据分析,数据科学及AI算法是当前最热门的职业。这些职业有着共同的特点:面向数字的,针对编程的以及采取分析手段的。 这些当代热点特性使得在就业市场上对以上职位需求激增也就不足为奇了。但是,市场上提供这方面的大型综合的培训课程是有限,如果说有,大多是知识范围狭窄且非综合性的,而且大多培训都缺乏方法论实务结合。一般的情况是讲师讲述某种语言的一堆代码,学生听完后甚至连使用方法及代码的前提都不清楚,更别提实际应用场景了。这里,掌握一门数据分析软件本身没错,但仅通过单一的编程培训很难获得聘用为数据分析师或数据科学家所需的技能。那我的解决方案是什么呢?首先,我把所有数据分析中的典型问题都归类总结出来,再结合相应的实际问题,数据以及案例,同时采用世界上最流行的两种数据分析软件:PYTHON 和 SAS去解决这些问题,并将这些解决方法传授给学生。学生在完成培训后更重要的收获是知道每一问题从产生直至解决的前因后果和应用场景,这是因为我在每一课程章节最前都会交代方法论,知识要点及应用场合。SAS和PYTHON可以一起学吗?当然可以。因为我就是这样做到的。具体步骤是,我在课程当中安排了一系列主题,然后使用两种编程语言解决同样的问题。我总结出这样做的好处是边学习边比较,最后在不知不觉当中掌握了两门语言的精华和数据分析的通用方法或模式。过程虽有点长,但十分有趣。最后,为了巩固已学的知识和技能,我还专门安排了针对PYTHON 和 SAS的中小型项目及详细代码讲解。另外,课程当中使用的全部编程代码及数据文件都将免费地提供给注册的学生。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

袁泳臣

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值