从SPSS中的数据集中删除除少数变量之外的所有变量

Question

我有一个包含大约 1000 个变量的数据集。但我只想使用这些变量的一小部分来处理数据集。删除所有不需要的变量的便捷方法是什么？

使用DELETE VARIABLE命令如

DELETE VARIABLES var1 TO var13 var 15 var 17 TO var var35 ...

会很烦人而且容易出错。

Answer 1

样本数据

DATA LIST LIST (",") /
make (A18) price (F4) mpg (F2) rep78 (F1) hdroom (COMMA1.1) 
trunk (F2) weight (F4) length (F3) turn (F2)
displ (F3) gratio (COMMA2.2) foreign (F1) .

BEGIN DATA.
AMC Concord,        4099,   , 3, 2.5, 11, 2930, 186, 40, 121, 3.58, 0
AMC Pacer,          4749,   , 3, 3.0, 11, 3350, 173, 40, 258, 2.53, 0
AMC Spirit,         3799,   , 3,  .0, 12, 2640, 168, 35, 121, 3.08, 0
Audi 5000,          9690, 17, 5, 3.0, 15, 2830, 189, 37, 131, 3.20, 1
Audi Fox,           6295, 23, 3, 2.5, 11, 2070, 174, 36,  97, 3.70, 1
BMW 320i,           9735, 25, 4, 2.5, 12, 2650, 177, 34, 121, 3.64, 1
Buick Century,      4816, 20, 3, 4.5, 16, 3250, 196, 40, 196, 2.93, 0
Buick Electra,      7827, 15, 4, 4.0, 20, 4080, 222, 43, 350, 2.41, 0
Buick LeSabre,      5788, 18, 3, 4.0, 21, 3670, 218, 43, 231, 2.73, 0
END DATA.

    DATASET NAME cars.

假设您要提取变量make、trunk 和turn。

保存文件（和获取文件）

如果您想保留缩减的数据集以备后用，显而易见的方法是使用命令中的/KEEP选项SAVE。

SAVE OUTFILE='cars.sav'
   /KEEP make trunk turn.

另一方面，如果您想打开仅包含变量子集的现有数据集，则可以使用GET FILE带有/KEEP选项的命令。

匹配文件

如果您只想临时使​​用缩减的数据集而不将其存储到硬盘驱动器，则此方法很有用。

MATCH FILES 
/FILE *
/KEEP make trunk turn.

Python VariableList 类

如果您有一个非常庞大的数据集，上述方法可能需要一些时间，因为它们读取（和写入）所有数据。在这种情况下，直接使用 Python 操作数据字典可能会有所帮助。嗯，我就是这么想的。这是我迄今为止尝试过的方法，或多或少是成功的。

BEGIN PROGRAM PYTHON.
keepList = ["make", "trunk", "turn"]

import spss

spss.StartDataStep()
datasetObj = spss.Dataset('cars')
varListObj = datasetObj.varlist
varList = [var.name.encode('utf8') for var in varListObj]
datasetObj.close()
spss.EndDataStep()
deleteList = [item for item in varList if item not in keepList]
spss.Submit("DELETE VARIABLES %s." % " ".join(deleteList))

END PROGRAM

注意：这段代码仅在您要删除的变量列表不超过 100 时才有效（此错误应在 SPSS v23 或更高版本中修复）。否则，您必须将列表拆分为单独的部分。我通过将 spss.Submit 行替换为：

chunks = 100
for i in xrange(0, len(deleteList), chunks):
   spss.Submit("DELETE VARIABLES %s." % " ".join(deleteList[i:i+chunks]))

这样做的问题是，即使程序块在大数据集上运行得很快，但事实证明，在这个块之后，每个命令的执行都会痛苦地减慢，这可能是由内存泄漏引起的。