wordpress怎么导入演示

导读：本篇文章首席CTO笔记来给大家介绍有关python转学sas多久的相关内容，希望对大家有所帮助，一起来看看吧。

sas和python的区别

sas和python的区别：1.成本

SAS是商业软件，对于大部分个体数据分析师而言，是根本买不起的！但是SAS在机构或公司中拥有**的市场份额。而Python是开源免费的，开放下载使用。

2.处理逻辑

数据处理能力曾经一直是SAS的优势，SAS基于硬盘的处理能力也使得其可以处理一般规模的大数据。Python的计算都在RAM内存中进行，于是它的计算过程受限于机器的RAM内存大小。当然，伴随着Hadoop，Spark这一切都将不再是问题。

3.版本更新

这三个工具都提供了基本的、以及*常用的分析函数，你可以应付大部分模型的构建。但假如，你正好需要使用***前沿的技术或算法怎么办？

Python由于其开源*，算法可以很快得到更新，R因为一直广泛使用于学术界，因此更新*快。SAS的更新是自有的**团队完成的，SAS则要再下一个版本中得到更新。

4.编程

首先，SAS非常容易上手，proc步和data步，它的PROCSQL命令，对于任何一个学过SQL的人来说都可以立即上手。

在编程界，Python以简易***，在数据分析界也是如此。而且Python的notebook非常方面编辑、记录与分享。

5.用途

SAS：在商业分析领域，它是无可争辩的霸主。主要应用领域目前集中在银行、医*、保险、航空、政府等。

Python：Python近些年的风头大胜，标准库的完善，使得Python不仅使用于研究和原型构建。同时也适用于构建生产系统

如何零基础自学SAS？

从过来人的经验来看，*好*快的途径就是读牛人的代码，并且逐步运行看结果。比如你随便创建一个数据集，setsashelp.class，就可以运行很多数据步的代码。抛开SAS统计方法层面的各种proc，data步是SAS的精髓。看一个人SAS水平如何通常有两点，一就体现在数据步的使用上，比如看数据步会不会用first，last，setby算累计频数，因为PDV的读取是SAS的核心，如果你还会巧妙使用end=in=等技巧就刚好；二是看会不会写macro，要了解宏变量读取的方式，以及多个如何转义，个人感觉写宏其实不难，只要你打开options中的macrogen,mprint以及symbolgen等选项，并且知道在macro中可以开放的写%if以及%dowhile等，而不必像一般程序一样必须要写在封闭的数据步中就好，这样debug就变得很容易。

具体业务用的是什么咯，对比可以看下

（1）SAS：在商业分析领域，它是无可争辩的霸主。SAS提供了丰富的统计功能，友好的GUI界面可以让分析师快速上手，技术支持也做的相当到位。但，太贵了，并且对于一些**的统计分析方法，SAS更新比较慢。

（2）Python：*早是一个开源脚本语言，近几年使用率大增。如今一些库（如numpy、scipy和matplotlib）和函数的引入，也使得它能支持几乎所有统计分析和统计建模工作。另外也由于Pandas这个库，使得Python在结构化数据的处理上非常给力。

，Python和SAS是两个很常用的数据挖掘工具。Python开源、免费、有丰富的三方库，一般在互联网公司广泛使用。而SAS需付费，且费用较高，一般互联网公司无法承担，更多的是在银行等传统**机构中使用，不过这两年由于Python太火，原本使用SAS的也开始逐渐转向Python了。

拥抱开源，越来越多的爱好者造出**的Python轮子，比如当下比较流行的万金油模型Xgboost、LightGBM，在各种竞赛的***级方案中均有被使用。而SAS的脚步就比较慢了，对于一些比较新的东西都无法直接提供，所以对于那些使用SAS的朋友，就很难受了。

一直以来很多粉丝问过东哥这个问题：有没有一种可以将Python模型转成SAS的工具？

因为我本身是两个技能都具备的，实际工作中一般都是配合使用，也很少想过进行转换。但是，*近东哥逛技术论坛刚好发现了一个骚操作，借助Python的三方库m2cgen和Python脚本即可完成Python模型到SAS的转换。

m2cgen是什么？

m2cgen是一个Python的第三方库，主要功能就是将Python训练过的模型转换为其它语言，比如R和VBA。遗憾的是，目前m2cgen尚不支持SAS，但这并不影响我们*终转换为SAS。

我们仍然使用m2cgen，需要借助它间接转换成SAS。具体的方案就是先将Python模型转换为VBA代码，然后再将VBA代码更改为SAS脚本，曲线救国。

如何使用m2cgen？

我直接用一个例子说明下如何操作。

数据我们使用sklearn自带的irisdataset，链接如下：

TheIrisDataset—scikit-learn1.1.1documentation

下面，演示一下如何将Python的XGBoost模型转成SAS代码。

首先导入所需的库包和数据。

#导入库

importpandasaspd

importnumpyasnp

importos

importre

fromsklearnimportdatasets

fromxgboostimportXGBClassifier

fromsklearn.model_selectionimporttrain_test_split

fromsklearn***tricsimportaccuracy_score

importm2cgenasm2c

#导入数据

iris=datasets.load_iris()

X=iris.data

Y=iris.target

登录后复制

然后，我们划分数据集，直接扔进XGBoost里面，建立base模型。

#划分数据为训练集和测试集

seed=2020

test_size=0.3

X_train,X_test,y_train,y_test=train_test_split(X,Y,test_size=test_size,random_state=seed)

#训练数据

model=XGBClassifier()

model****(X_train,y_train)

登录后复制

然后，再将XGBoost模型转换为VBA。使用m2cgen的export_to_visual_basic方法就可以直接转成VBA了。转换成其他语言脚本也是同理，非常简单。

code=m2c.export_to_visual_basic(model,function_name='pred')

登录后复制

核心的骚操作来了！

m2cgen不支持SAS，但我们可以把VBA代码稍加改动，就能变成符合SAS标准的代码了。而这个改动也无需手动一个个改，写一段Python脚本即可实现VBA脚本转换为SAS脚本。

改动的地方不多，主要包括：删除在SAS环境中不能使用的代码，像上面结果中的Module***，Functionyyy，DimvarZAsDouble，还有在语句结尾加上;，这些为的就是遵循SAS的语法规则。

下面就是转换的Python脚本，可以自动执行上面所说的转换操作。

#1、移除SAS中不能使用的代码

code=re.sub('Dimvar.*AsDouble','',code)

code=re.sub('EndIf','',code)

#下面操作将修改成符合SAS的代码

#2、修改起始

code=re.sub('ModuleModel\nFunctionpred(ByRefinputVector()AsDouble)AsDouble()\n',

'DATApred_result;\nSETdataset_name;',code)

#3、修改结尾

code=re.sub('EndFunction\nEndModule\n','RUN;',code)

#4、在结尾加上分号';'

all_match_list=re.findall('[0-9]+\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

all_match_list=re.findall(')\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

#用var来替代inputVector

dictionary={'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

forke*****ctionary.keys():

code=code.replace(key,dictionary[key])

#修改预测标签

code=re.sub('Math.Exp','Exp',code)

code=re.sub('pred=.*\n','',code)

temp_var_list=re.findall(r"var[0-9]+(\d)",code)

forvar_idxinrange(len(temp_var_list)):

code=re.sub(re.sub('\(','\(',re.sub('\)','\)',temp_var_list[var_idx])),iris.target_names[var_idx]+'_prob',code)

登录后复制

对以上脚本分步解释说明一下。

1、开头、结尾、输出名称

前三个部分非常简单。使用正则表达式删除多余的行，然后将脚本的开头更改为DATApred_result;\nSETdataset_name;。

使用过SAS的同学就很*悉了，pred_result是运行SAS脚本后的输出表名称，dataset_name是我们需要预测的输入表名称。

*后再将脚本的结尾更改为RUN;。

#移除SAS中不能使用的代码

code=re.sub('Dimvar.*AsDouble','',code)

code=re.sub('EndIf','',code)

#下面操作将修改成符合SAS的代码

#修改起始

code=re.sub('ModuleModel\nFunctionpred(ByRefinputVector()AsDouble)AsDouble()\n',

'DATApred_result;\nSETdataset_name;',code)

#修改结尾

code=re.sub('EndFunction\nEndModule\n','RUN;',code)

登录后复制

2、语句末尾添加分号

为遵循SAS中的语法规则，还需将每个语句的结尾加上;。仍用正则表达式，然后for循环在每一行*后添加字符;即可。

#在结尾加上分号';'

all_match_list=re.findall('[0-9]+\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

all_match_list=re.findall(')\n',code)

foridxinrange(len(all_match_list)):

original_str=all_match_list[idx]

new_str=all_match_list[idx][:-1]+';\n'

code=code.replace(original_str,new_str)

登录后复制

3、映射变量名称

使用字典将InputVector与变量名称映射到输入数据集中，一次*更改所有InputVector。

#用var来替代inputVector

dictionary={'inputVector(0)':'sepal_length',

'inputVector(1)':'sepal_width',

'inputVector(2)':'petal_length',

'inputVector(3)':'petal_width'}

forke*****ctionary.keys():

code=code.replace(key,dictionary[key])

登录后复制

4、映射变量名称

*后一步就是更改预测标签。

#修改预测标签

code=re.sub('Math.Exp','Exp',code)

code=re.sub('pred=.*\n','',code)

temp_var_list=re.findall(r"var[0-9]+(\d)",code)

forvar_idxinrange(len(temp_var_list)):

code=re.sub(re.sub('\(','\(',re.sub('\)','\)',temp_var_list[var_idx])),iris.target_names[var_idx]+'_prob',code)

登录后复制

然后保存sas模型文件。

＃保存输出

vb=open('vb1.sas','w')

vb.write(code)

vb.close()

登录后复制

*后，为了验证sas脚本是否正确，我们将sas模型的预测结果和Python的结果进行一下对比。

#python预测

python_pred=pd.DataFrame(model.predict_proba(X_test))

python_pred***lumns=['setosa_prob','versicolor_prob','virginica_prob']

python_pred

#sas预测

sas_pred=pd.read_csv('pred_result.csv')

sas_pred=sas_pred.iloc[:,-3:]

sas_pred

(abs(python_pred-sas_pred)0.00001).sum()

登录后复制

可以看到，两个预测的结果基本上一样，基本没问题，我们就可以在sas中跑xgboost模型了。

总结

上面只是个*简单的示例，没有对特征处理。对于复杂的建模过程，比如很多特征工程，那就要对Python脚本进一步调整了。

以上就是本次分享的所有内容，如果你觉得文章还不错，欢迎关注公众号：Python编程学习圈，每日干货分享，发送“J”还可领取大量学习资料，内容覆盖Python电子书、教程、数据库编程、Django，爬虫，云计算等等。或是前往编程学习网，了解更多编程技术知识。

python

机器学习

数据挖掘

视频教程-完整的Python和SAS数据分析-大数据

422阅读·0评论·0点赞

2020年5月28日

python访问sas逻辑库,SAS|逻辑库和SAS数据集

460阅读·0评论·0点赞

2021年4月26日

python学习笔记---linux/windows调用sas程序

875阅读·0评论·0点赞

2019年10月24日

python可以代替sas_Python、R语言、SAS、SPSS优缺点比较？（转）

604阅读·0评论·1点赞

2020年12月17日

python访问sas逻辑库_SAS编程基础-逻辑库和数据集

138阅读·0评论·0点赞

2020年12月9日

服务器部署sas_如何在阿里云SAS上部署WordPress网站

1429阅读·0评论·0点赞

2020年8月29日

python和sas配合使用_太骚了！Python模型完美切换SAS，还能这么玩。。

1963阅读·0评论·2点赞

2021年1月14日

python导入sas数据集_将变量从SAS传递到Python

344阅读·0评论·0点赞

2021年2月3日

python访问sas逻辑库_SAS岩论|在JupyterNotebook中使用SAS

429阅读·0评论·0点赞

2020年12月9日

#sas建模-建模入门介绍

2257阅读·0评论·2点赞

2019年9月18日

#sas建模-建模过程介绍

2805阅读·1评论·0点赞

2019年9月18日

python调用sas_SAS日常使用的语句预定的python表达

370阅读·0评论·0点赞

2020年12月8日

python读取sas数据集_SASpy模块，利用Python操作SAS

1432阅读·0评论·0点赞

2020年11月26日

python可以代替sas,像SAS一样转置的python数据帧

156阅读·0评论·0点赞

2021年4月27日

sas和python的区别知乎_银行业为什么喜欢用sas而不是python？

1559阅读·0评论·0点赞

2020年12月9日

python和sas代码编写_如何从SAS到python编写if语句

329阅读·0评论·0点赞

2021年1月29日

saspython知乎_pyt

根据我个人经历的话：风管爱SAS，策略爱Python。SAS能handle很大数据量，量大时***，而且很多统计功能用起来方便，和其它软件结合的很好，可以*采众长。有时候有些功能sas能实现但proc加其它软件做merge啊join啊能快很多；Python的话就比较好上手，而且package各式各样的，设计那种从网页扒数据的策略啊，timeseries相关的策略啊，都可以选相应的package辅助。另外我的经验来看的确美帝大公司很爱SAS，我前老板说这个写简历上会非常fancy。【毕竟这软件不便宜个人一般不用？】Python的话很accessible，用mac就更是自带python。另外一些网上的回测平台都是用的python的语法，的确很适合拿它写策略吖～

???我使用python这门语言也有三年了，被其简洁、易读、强大的库所折服，我已经深深爱上了python。其pythonic语言特*，对人*其友好，可以说，一个完全不懂编程语言的人，看懂python语言也不是难事。

???在数据分析和交互、探索*计算以及数据可视化等方面，相对于R、MATLAB、SAS、Stata等工具，Python都有其优势。近年来，由于Python库的不断发展（如pandas），使其在数据挖掘领域崭露头角。结合其在通用编程方面的强大实力，我们完全可以只使用Python这一种语言去构建以数据为中心的应用程序。

???由于python是一种解释*语言，大部分编译型语言都要比python代码运行速度快，有些同学就因此鄙视python。但是小编认为，python是一门高级语言，其生产效率更高，程序员的时间通常比CPU的时间值钱，因此为了权衡利弊，考虑用python是值得的。

Python强大的计算能力依赖于其丰富而强大的库：

Numpy

NumericalPython的简称，是Python科学计算的基础包。其功能：

1.快速**的多维数组对象ndarray。

2.用于对数组执行元素级计算以及直接对数组执行数**算的函数。

3.线*代数运算、傅里叶变换，以及随机数生成。

4.用于将C、C++、Fortran代码集成到Python的工具。

除了为Python提供快速的数组处理能力，NumPy在数据分析方面还有另外一个主要作用，即作为在算法之间传递数据的容器。对于数值型数据，NumPy数组在存储和处理数据时要比内置的Python数据结构**得多。此外，由低级语言（比如C和Fortran）编写的库可以直接操作NumPy数组中的数据，无需进行任何数据复制工作。

SciPy

是一组专门解决科学计算中各种标准问题域的包的集合，主要包括下面这些包：

1.scipy.integrate：数值积分例程和微分方程求解器。

2.scipy.linalg：扩展了由numpy.lina

我们在外贸建站教程中介绍过：如何在 WordPress托管主机（譬如 SiteGround）中一键开通Cloudflare CDN，以便增加网站安全和提升网站访问速度，但是，如果你的主机不提供一键开通Cloudflare CDN功能怎么办呢？跟着本篇教程做，一点也不难。

本篇教程适合这类网站：你的网站所在的主机不提供免费CDN功能，譬如Cloudways主机，但你又想开通Cloudflare CDN。

步骤概要：

举几个实际案例，可能有跟你一样的情况，如果不想看就跳到下文看教程

注册Cloudflare

账户创建完成后，请添加你的网站域名到cloudflare中

添加站点

接下来我们选择免费计划并继续，免费计划就包含了DDOS共计缓解、全球内容分发网络(cdn)。

开通免费计划

然后系统会自动扫描你的站点查找已有的DNS记录，也就是解析记录，并导入到Cloudflare中，免去你重复配置的功夫。

扫描已有的DNS记录

当扫描完成后，进入如下界面，会呈现你已有的解析记录，但是由于我的演示网站是个全新的域名，所以下图中没有解析记录。如果你看到解析记录的代理状态是橙色云朵，表示开启了CDN；如果是灰色云朵，表示仅做解析用途，不会给予保护和CDN。我们点击继续按钮

在接下来的弹出窗中，由于我没有添加任何记录，系统提示我以后要添加解析记录，这样才能顺利访问网站，我们点击确认继续。

*后，Cloudflare告诉你如何修改名称服务器，也就是域名服务器（NS）。请登录到你现有的域名注册处，将已有的NS删除，新增Cloudflare提供给你的NS，通常更换NS全部生效需要24h，一旦生效，Cloudflare也会给你发送邮件通知。

我的域名是在阿里云注册的，以阿里云为例，我们来学习如何修改域名服务器。如果你在porkbun、namesilo注册的域名，可以查看这篇教程：如何使用NS进行域名解析

首先，在域名管理页面，点击域名右侧的管理按钮

进入域名基本信息界面，找到修改DNS，点击进入

继续点击修改DNS服务器

然后填入cloudflare提供给你的两条NS记录并确认保存

保存成功后，你将看到当前DNS服务器已经成功修改了。

如果你想查看域名解析是否生效，可以通过网站 ，输入域名查看NS生效与否。

如果域名成功添加到cloudflare，你会收到邮件通知。

完成域名服务器修改后，回到cloudflare，点击下图所示的完成，检查名称服务器按钮继续。

接下来有个快速入门指南

第1项，提高安全*。

这是与****S相关的，当你给网站安装SSL**后，可以启用自动****S重写，以避免网站里有****和****s混合的情况，如果你的网站还安装SSL**，那就不要开启了。

第2项，优化*能。

通常我们使用 WordPress建站的话，建议安装诸如 WP Rocket缓存插件，它们都提供了js、css、html文件缩小功能，所以可以不勾选。

第3项，摘要。这是对前面两项配置的总结，确认无误后，点击完成即可。

此时你将跳转到这几个域名的配置管理界面，请点击图中的DNS去配置解析记录。

由于我的域名是一个崭新的、未曾做任何解析记录的域名，所以，在DNS页面，没有任何解析记录。如果你的域名在原解析处有解析记录，那么将会自动同步过来。

接下来，如果我们要将域名指向网站所在的服务器，来添加一条A记录，如下图所示，我将配置loyseo.***指向到cloudways服务器

同理，如果你的邮箱是网易、腾讯或阿里企业邮箱，你也将获得邮箱解析记录，将他们添加到Cloudflare中即可。

*后，如果你的网站安装了SSL，启用了****s，那么如下图所示，将SSL/TLS页面中的模式设为完全（严格）。

相关教程：