roche / pyreadstat Goto Github PK

View Code? Open in Web Editor NEW

316.0 316.0 59.0 41.63 MB

Python package to read sas, spss and stata files into pandas data frames. It is a wrapper for the C library readstat.

License: Other

Python 7.06% C 76.18% Ragel 1.95% SAS 0.08% Shell 0.09% Cython 14.53% Portugol 0.11%

conversion pandas-dataframe python readstat sas7bdat spss stata-files

pyreadstat's People

Contributors

Stargazers

Watchers

Forkers

mdbecker benjello jonex ofajardo gdementen drcjar ancardona nielst13 toddrme2178 bmwiedemann brayo2k black-milk kfilipek79 arlionn alchemyst kenferrara jingyulong ginochenhj carpedkm arun248751 huandzh girmasyoume graingert diegosaldiasq amrit779 ssaberipouya ella24 mtr aprilccc gcp-lopo hexagonrecursion maruhnth vng510 gevorgordyan goggle wangw106 valdins alexhuyufan ajunlonglive cpengimf scottguthart andyjessen dobinyim taliresearch mercyngila g-simmons singinc gregorywaynepower channelhq taiwer henrytdsimmons ana2s007 slobodan-ilic julhardt caguerra thzll crunch-io s-t-e-v-e-n-k matheus-rech

pyreadstat's Issues

conda package

If you could create a conda package that would make my life easier (so far so that I can continue to update my "bleeding edge" environment with "update --all").

BTW: Thanks for the very nice library, even though on the file (~130Mb) I tested it today it wasn't any faster than pandas 0.24 (both were fast), the builtin encoding autodetection saved me quite a bit of trial and errors.

[Request] .whl file for Python version 3.8

Latest upload date for .whl files was Aug 27, 2019, per: https://pypi.org/project/pyreadstat/#files. As of Python's 3.8 Release (Oct 14, 2019), wondering if a "cp38" whl file can be posted.

Thanks.

Installation Issue

Describe the issue
While attempting to install pyreadstat using pip in command line, the following error was generated:

ERROR: Command errored out with exit status 1:
command: 'C:\Users\jwelch\AppData\Local\Programs\Python\Python37-32\python.exe' -c 'import sys, setuptools, tokenize; sys.argv[0] = '"'"'C:\Users\jwelch\AppData\Local\Temp\pip-install-jcs8gadj\pyreadstat\setup.py'"'"'; file='"'"'C:\Users\jwelch\AppData\Local\Temp\pip-install-jcs8gadj\pyreadstat\setup.py'"'"';f=getattr(tokenize, '"'"'open'"'"', open)(file);code=f.read().replace('"'"'\r\n'"'"', '"'"'\n'"'"');f.close();exec(compile(code, file, '"'"'exec'"'"'))' egg_info --egg-base pip-egg-info
cwd: C:\Users\jwelch\AppData\Local\Temp\pip-install-jcs8gadj\pyreadstat
Complete output (1 lines):
It seems you are using windows 32bit, you will need to find zlib1.dll and libiconv-2.dll from mingw 32 bits, (It is usually in the bin folder of mingw32 if you are using msys) put it in the folder win_libs/32bit, remove the sys.exit in the setup.py file and try again. Or maybe the dlls in the 64 bit folder work for 32 bit as well ... couldn't try as I don't have access toa 32 bit machine. Sorry!
----------------------------------------
ERROR: Command errored out with exit status 1: python setup.py egg_info Check the logs for full command output.

To Reproduce

While running command prompt as an Admin

python -m pip install pyreadstat

Expected behavior
Successful installation of the package

Setup Information:
How did you install pyreadstat? Attempted through pip version 19.2.1
Platform Windows 10 x64
Python Version 3.7
Python Distribution System
Using Virtualenv or condaenv? Default environment

Using read_file_multiprocessing with pyreadstat.read_file_in_chunks

Hello again my friends:

My file seems to big for read_file_multiprocessing on my computer:
this:
import pyreadstat
if name == "main":
df, meta = pyreadstat.read_file_multiprocessing(pyreadstat.read_sav, 'sample_large.sav')
print(df.tail())
_________________ is working fine____

Using a bigger file it fails : pyreadstat._readstat_parser.ReadstatError: Unable to open file

My idea is the file is to big for my ram and i want to use pyreadstat.read_file_multiprocessing in combination with pyreadstat.read_file_in_chunks.
Is it possible?
Or can i change the number of worker?

pyreadstat.read_sav unable to open SAV file with absolute path

fileT12="H:\SAV\SAE.sav"
df, meta = pyreadstat.read_sav(filename_path =fileT12, apply_value_formats=False, dates_as_pandas_datetime=False)
ERROR :
File "pyreadstat\pyreadstat.pyx", line 259, in pyreadstat.pyreadstat.read_sav
File "pyreadstat_readstat_parser.pyx", line 907, in pyreadstat._readstat_parser.run_conversion
File "pyreadstat_readstat_parser.pyx", line 758, in pyreadstat._readstat_parser.run_readstat_parser
pyreadstat._readstat_parser.ReadstatError: Unable to open file

ImportError: DLL load failed: The specified module could not be found.

For this command:
from .pyreadstat import read_sas7bdat, read_xport, read_dta, read_sav, read_por, read_sas7bcat

Using windows 10 and python 3.6.
installed using pip install.

Thanks for this great package.

Cannot set `variable_to_label` when writing .sav file

Describe the issue

I wish to set a label on the column names when writing a file. I see that the library has the functionality to read such labels:

df, meta = pyreadstat.read_sav("test_data/basic/sample.sav")
# the variables mylabl and myord are associated to the label sets labels0 and labels1 respectively
print(meta.variable_to_label)
#{'mylabl': 'labels0', 'myord': 'labels1'}

But I see no such option when writing.

I would be great if I could pass variable_to_label when writing a .sav file, for example:

pyreadstat.write_sav(df, str(output_filepath), variable_value_labels=variable_value_labels, variable_to_label={ 'q1': 'This my question!', ...})

Wheels for Linux, Mac

TypeError: Expected str, got float

Describe the issue

When I use pyreadstat.write_sav to save the file, run the python script file in the terminal, this error pops up directly: TypeError: Expected str, got float, and then the program ends. I used Try expect, and it will skip it. I can't find any information that can be debugged. Is there any good way to debug this problem?

Expected behavior

When an exception occurs, it can prompt the corresponding information, such as the wrong value and type

Setup Information:

How did you install pyreadstat? (pip, conda, directly from repo)

pip

pyreadstat version

0.3.1

Platform (windows, macOS, linux, 32 or 64 bit)

windows

Python Version

3.7

Python Distribution (System, plain python, Anaconda)

Anaconda

Problem Setting Variables width with pyreadstat.write_sav

Hi there,

I am trying convert a pd dataframe in to a sav file. Everything works fine (thanx to your package and I'm grateful for that) apart from the dictionary parameters.

I want to save some variables as integers and for them to have missing values as well (NaN)
I know that python does not allow for integers to have NaN values ...but float variables can.
So ...I was thinking of having the variable as float and to remove any decimal points when I convert/save my Dataframe in to a sav file.
[I'm using Spyder in Anaconda 3 (Python 3.7.3) and the package was installed through conda.]

So... I have created a variable_display_width dictionary with my variables and I was adding the dictionary when I was saving the file....but the file created did not use any of the data set in the dictionary.
I have also tried it with the variable_measure which was unknown (I changed it to nominal) but nothing happened again...

On the other hand I tried adding a column_labels list and it worked absolutely fine.

Is there something that I need to change when is save the file or is it the package ?

Here is a small example of my syntax. (Let's say that I have a dataframe named test that has the following two columns : Column 1 , Column 2)

variable_measure = {"Column 1": "nominal","Column 2": "nominal"}
pyreadstat.write_sav(test, 'C:\SPSS\test.sav',variable_measure = variable_measure)

Thank you in advance

pyreadstat.version (0.2.3) does not match PyPI version (0.2.5)

The versions in pyreadstat.__version__ (0.2.3) and on PyPI (0.2.5) do not match; this makes it difficult to check for a minimum required version.

With the recent changes, do you think you could release 0.2.6 soon? This would be great for our effort to integrate it into pandas.

I'm getting - string value was longer than the available storage size of the specified column

Please read the README, particularly the known limitations section!

Describe the issue
I'm reproducing the error reported here.

>>> pyreadstat.write_sav(df, 'auto_spss_file.sav')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "pyreadstat/pyreadstat.pyx", line 712, in pyreadstat.pyreadstat.write_sav
  File "pyreadstat/_readstat_writer.pyx", line 754, in pyreadstat._readstat_writer.run_write
  File "pyreadstat/_readstat_writer.pyx", line 742, in pyreadstat._readstat_writer.run_write
  File "pyreadstat/_readstat_parser.pyx", line 768, in pyreadstat._readstat_parser.check_exit_status
pyreadstat._readstat_parser.ReadstatError: A provided string value was longer than the available storage size of the specified column

To Reproduce

>>> import pandas as pd
>>> file = 'http://www.stata-press.com/data/r15/auto2.dta'
>>> df = pd.read_stata(file)
>>> pyreadstat.write_sav(df, 'auto_spss_file.sav')

File example
http://www.stata-press.com/data/r15/auto2.dta

Expected behavior
I would expect the file to write.

Setup Information:
How did you install pyreadstat?

pip

Platform (windows, macOS, linux, 32 or 64 bit)

macOS

Python Version

Python 3.8.3 (default, Jul 2 2020, 11:26:31)

Python Distribution (System, plain python, Anaconda)

Anaconda

Support for SPSS multiple response categories

Support to retrieve (meta) data on MRVs / multiple answer question groupings would be great.

How to get Align and Role from SPSS DATA

Hello :))

Im trying to get all the information in the picture below:

But i can not find the function for Align and Role?
Meta-function i did found:
meta.column_names
meta.original_variable_types
meta.original_variable_types
meta.original_variable_types
meta.column_labels
meta.value_labels
meta.missing_user_values
meta.variable_display_width
meta.variable_measure
Is there somewhere and full overview over the meta functions or a guid to get all the values in the picture?

Sorry for the noobish question im super new to working with spss-data.

Much love for you work!

Reading from file streams.

It would be really nice if it was possible to provide a file stream instead of a file path.

One use case is to allow reading from a zip/bz2/etc compressed file, this saves disk space for large files.

values to labels. if I remove some column...

if I use like this code...
df2=df[['id','zip','sex']]
df_enriched = pyreadstat.set_value_labels(df2, meta, formats_as_category=True)

it's can't show edited df with ValueLabels?

thank you very much

~/opt/anaconda3/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
2645 try:
-> 2646 return self._engine.get_loc(key)
2647 except KeyError:

UnicodeDecodeError: Not able to read sav file

I am not able to load a sav file when I read it using pyreadstat. Can you please look into this and let me know what is happening.

Below is the code that I am using

import pyreadstat
df, meta = pyreadstat.read_sav('Test.sav')

It gives be below error
UnicodeDecodeError: 'utf-8' codec can't decode bytes in position 48-49: unexpected end of data

Some additional info
File to reproduce issue - https://we.tl/t-hYNiVZ7ttC
How did you install pyreadstat? - pip
pyreadstat version - 1.0.0
Platform - Windows 10
Python Version - 3.8
Python Distribution - Plain python

I have 3 questions here. These may seem very amateur but please do answer them if time permits.

Is this something because of different unicode formatting? Can this be handled directly using this module. I know there are options to change encoding but I am not sure if it can be applied on particular data or entire datasets
Is there a quick way to identify unicode formatting for a text
Currently I use a list and usecols options to filter out these bad variables so that at least I get the rest of data. Is there a better way to do than my approach

Reading test file results in OverflowError: date value out of range

The haven package contains several .sav files for testing purposes:
https://github.com/tidyverse/haven/tree/master/tests/testthat

All files work except for datetime.sav. When I load this file with pyreadstat.read_sav("datetime.sav"), I get the following error:

OverflowError                             Traceback (most recent call last)
<ipython-input-32-f359011a603e> in <module>
----> 1 pyreadstat.read_sav("datetime.sav", dates_as_pandas_datetime=True)

pyreadstat/pyreadstat.pyx in pyreadstat.pyreadstat.read_sav()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.run_conversion()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.handle_value()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.convert_readstat_to_python_value()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.transform_datetime()

OverflowError: date value out of range

I also tried with dates_as_pandas_datetime=True, but I get the same error.

SPSS: values not being read if value labels are missing

When I am trying to access meta.variable_value_labels , the values whose value labels are missing are not being read. I am not sure if this is an issue but is there any way I can access those values with value labels as blank?

ReadstatError: File has an unsupported character set

I'm getting this error when I try to read_sas7bdat on a sas7bdat file:

import pyreadstat

df, meta = pyreadstat.read_sas7bdat(filename_path='data.sas7bdat', 
                                    disable_datetime_conversion=False, 
                                    encoding='iso-8859-1',  
                                    metadataonly=False,
                                    user_missing=False)

Traceback (most recent call last):

File "", line 1, in
runfile('C:/Users/Hank Lee/Anaconda3/Lib/site-packages/conda/common/sas.py', wdir='C:/Users/Hank Lee/Anaconda3/Lib/site-packages/conda/common')

File "C:\Users\Hank Lee\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 705, in runfile
execfile(filename, namespace)

File "C:\Users\Hank Lee\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 102, in execfile
exec(compile(f.read(), filename, 'exec'), namespace)

File "C:/Users/Hank Lee/Anaconda3/Lib/site-packages/conda/common/sas.py", line 38, in
user_missing=False)

File "pyreadstat\pyreadstat.pyx", line 109, in pyreadstat.pyreadstat.read_sas7bdat

File "pyreadstat_readstat_parser.pyx", line 945, in pyreadstat._readstat_parser.run_conversion

File "pyreadstat_readstat_parser.pyx", line 784, in pyreadstat._readstat_parser.run_readstat_parser

File "pyreadstat_readstat_parser.pyx", line 714, in pyreadstat._readstat_parser.check_exit_status

ReadstatError: File has an unsupported character set

Setup Information:

How did you install pyreadstat? (pip, conda, directly from repo)
conda

pyreadstat version
1.0.0

Platform (windows, macOS, linux, 32 or 64 bit)
windows

Python Version
3.6

Python Distribution (System, plain python, Anaconda)
Anaconda

Write SPSS categories

How to write spss categories?

pyreadstat.pyreadstat.write_sav()

Is there an equivalent spss-like database container type that is free?

Great python module by the way!

working with big spss files

First I want to say this library is great!
We have some raw SPSS files that are extremely large(about 6GB with 1.3 million of vars). SPSS itself can work with those. Pyreadstat however cannot handle it even with the option of reading the metadata only. While there is still plenty of RAM available left in the system (the usage of Python is about 1.5 GB) and there is 64 GB ram on the machine. The stacktrace is as follows:

File "C:\Users\thomas\Downloads\Ipsos\Carlsberg\build_column_overview.py", line 32, in <module>
    df, meta = pyreadstat.read_sav(os.path.join(path, file), metadataonly=True)
  File "pyreadstat\pyreadstat.pyx", line 325, in pyreadstat.pyreadstat.read_sav
  File "pyreadstat\_readstat_parser.pyx", line 945, in pyreadstat._readstat_parser.run_conversion
  File "pyreadstat\_readstat_parser.pyx", line 784, in pyreadstat._readstat_parser.run_readstat_parser
  File "pyreadstat\_readstat_parser.pyx", line 714, in pyreadstat._readstat_parser.check_exit_status
ReadstatError: Unable to allocate memory

This happens both on Windows10 64 bit and Linux64bit with python(64 bit)=3.8 and pyreadstat=1.0.2

Now I understand that spss is probably not the best file-format for this data, but unfortunately, that is what we have.

setting variable_measure not working

I am tying to set the variable measurement and it seems it is not working:
setting wrong keys gives an exception:
wrong values are ignored.
if values are correct they are still set to "unknown"

import pandas as pd
import pyreadstat

df = pd.DataFrame({
    "v1": {
        "10001": 0.0,
        "10002": 1.1,
        "10003": 2.1,
    },
    "v2": {
        "10001": "gsfdgsfdgsfg",
        "10002": "fgsdghshsgh",
        "10003": "gsfdgsdg",
    },
    "v3": {
        "10001": "gsfdgsfdgsfg",
        "10002": "fgsdghshsgh",
        "10003": "gsfdgsdg",
    },

})

pyreadstat.write_sav(df, "export.sav", variable_measure={"v1": "scale", "v2": "ordinal", "v3": "nominal"})

df, meta = pyreadstat.read_sav("export.sav")
print(meta.variable_measure)
#{'v1': 'unknown', 'v2': 'unknown', 'v3': 'unknown'}

String index out of range when writing dataframe to .sav

When trying to write a dataframe to SPSS, I get an IndexError. From the stacktrace, I cannot identify the source of the problem.

~\dash\Dashboard\functions.py in save_to_project_folder(surveyIDs, path, host)
    156             spss.columns = spss.columns.str.replace('[', '_').str.replace(']', '')
    157             # breakpoint()
--> 158             pyreadstat.write_sav(spss, fullpath, column_labels=labels)
    159         except ImportError:
    160             print('Cannot import pyreadstat. Skipping SPSS save.')

pyreadstat\pyreadstat.pyx in pyreadstat.pyreadstat.write_sav()

pyreadstat\_readstat_writer.pyx in pyreadstat._readstat_writer.run_write()

IndexError: string index out of range

Unfortunately I am working with sensitive data and haven't found a way to reproduce the error with minimal data.

ReadstatError: A provided string value was longer than the available storage size of the specified column

Describe the issue

I use pandas to read excel, and then get the dataframe, directly use write_save to save, this exception can be caught.
I used traceback.print_exc () to print out Traceback, but I can't see any problem with the source code. I don't know which value is wrong, and it can't be reproduced.

Because there are more data, and it is the company's data, I am sorry that I cannot post it here.

I spent a long time on this issue, is there any good way to find the problem?

The traceback below:

    pyreadstat.write_sav(df_data,path, column_labels=label_list)
  File "pyreadstat\pyreadstat.pyx", line 629, in pyreadstat.pyreadstat.write_sav
  File "pyreadstat\_readstat_writer.pyx", line 725, in pyreadstat._readstat_writer.run_write
  File "pyreadstat\_readstat_writer.pyx", line 710, in pyreadstat._readstat_writer.run_write
  File "pyreadstat\_readstat_parser.pyx", line 714, in pyreadstat._readstat_parser.check_exit_status
pyreadstat._readstat_parser.ReadstatError: A provided string value was longer than the available storage size of the specified column

Expected behavior

When an exception occurs, it can prompt the corresponding information, such as the wrong value and type

Setup Information:

How did you install pyreadstat? (pip, conda, directly from repo)

pip

pyreadstat version

0.3.1

Platform (windows, macOS, linux, 32 or 64 bit)

windows

Python Version

3.7

Python Distribution (System, plain python, Anaconda)

Anaconda

pip install version 0.3.3 fails. unistd.h missing/ error C1083

Describe the issue

pip install pyreadstat==0.3.3 doesn't work.

Windows 10 64 bit
pip 20.0.2
Python 3.8.1
Pandas 1.0.3

pips logfile is here: log.txt

The trouble seems to start in line 295: 2020-04-30T00:02:25,498 pyreadstat/pyreadstat.c(672): fatal error C1083: Datei (Include) kann nicht geöffnet werden: "unistd.h": No such file or directory
Translated: File (Include) can't be opened.
The issue seems to be that another file would be needed for windows: https://stackoverflow.com/questions/22705751/cannot-open-include-file-unistd-h-no-such-file-or-directory

Last working version is pyreadstat==0.3.2

To Reproduce

pip install pyreadstat==0.3.3

Expected behavior

pyreadstat should be installed.

Setup Information:

How did you install pyreadstat? (pip, conda, directly from repo): pip
Platform (windows, macOS, linux, 32 or 64 bit): Windows 10 64bit
Python Version: 3.8.1
Python Distribution (System, plain python, Anaconda): System/ Standard Installation
Using Virtualenv or condaenv? system environment. I was able to install the version with anacondas standard environment.

.RData and .RDS support?

not sure of your scope for this project, but if you wanted to add .RData support, i have the .pyx and pxd's already done for you.

https://github.com/jamovi/jamovi-readstat/tree/master/jamovi

cheers

jonathon

Inconsistent formatting information in SPSS metadata?

Hi! I've been using this package for a good while now, and love it immensely - it is the centerpiece of several advanced applications that I have written for organizing and modifying SPSS files, and it's made a real difference to my organization and clients. I can't thank you enough for providing it.

This issue is something that I detected a while back, but have heretofore just been working around; I'm not sure how to classify it, and I'm hoping I can get some information about how the metadata information is gathered.

Describe the issue

The basic problem is that there is a difference between these three things:
Here's what we see in variable view of SPSS:

Here's the original_variable_types:
{'ResponseId': 'A18', 'StartDate': 'A255', 'Duration__in_seconds_': 'F40.2', 'Finished': 'F1.0'}
...and here's the variable_storage_width:
{'ResponseId': 24, 'StartDate': 1024, 'Duration__in_seconds_': 8, 'Finished': 8}

Look at the two text variables: ResponseId reads the A18 'correctly', but the StartDate field is showing A255 when it should be showing A1024. If it were always that the variable_storage_width were the reliable source, I could use that to overwrite the format, but, looking again at ResponseId, if I did that in this case, I would get A24, which would be incorrect. Note that the numeric variables do provide the correct thing - I just left those in for visibility/comparison.

So I guess the question is, how does original_variable_types gather its data, and is there a way that I can predict which one of these items is the one that SPSS will expect, so that I can reliably hold the 'real' format? Or is this a bug, and the A255 is showing because it's hitting some kind of small-string limit? Thinking about it as I'm writing all of this out, I suppose 255 is a very suspicious number for that to insert...

To Reproduce

This isn't really a code issue, but here's the simple code I ran to produce those, nothing out of the ordinary:

import pyreadstat
df, meta = pyreadstat.read_sav("test_width.sav")
print(meta.original_variable_types)
print(meta.variable_storage_width)

File example

test_width.zip

Expected behavior

I guess what I'm really after is how do I reliably recreate the 'actual' format as shown in the variable view, so that I can write syntax against it that refers to the correct size.

Setup Information:

How did you install pyreadstat? (pip)
Platform (windows, 64 bit)
Python Version (3.7)
Python Distribution (plain python)
Using Virtualenv or condaenv? (No)

write_sav: variable_display_width always 0

The Parameter for setting the display width is ignored:

import pandas as pd
import pyreadstat

df = pd.DataFrame({
    "v1": {
        "10001": """Lorem ipsum dolor sit amet, consectetur adipiscing elit. Maecenas ac pretium sem. Fusce aliquet
        augue rhoncus consequat pulvinar. In est ex, porta congue diam sed, laoreet suscipit purus. Phasellus mollis
        lobortis tellus at vehicula. Etiam egestas augue id massa bibendum volutpat id et ipsum. Praesent ut lorem
        rhoncus, pharetra risus sed, pharetra sem. In pulvinar egestas erat, id condimentum tortor tempus sed. Duis
         ornare lacus ut ligula congue, non convallis urna dignissim. Etiam vehicula turpis sit amet nisi finibus
         laoreet. Duis molestie consequat nulla, non lobortis est tempus sit amet. Quisque elit est,
         congue non commodo vitae, porttitor ac erat. """,
        "10002": "fgsdghshsgh",
        "10003": "gsfdgsdg",
    },
    "v2": {
        "10001": "gsfdgsfdgsfg",
        "10002": "fgsdghshsgh",
        "10003": "gsfdgsdg",
    },

})

pyreadstat.write_sav(df, "export.sav", variable_display_width={"v1": 100})

df, meta = pyreadstat.read_sav("export.sav")
print(meta.variable_display_width)
#{'v1': 0, 'v2': 0}

meta.variable_measure return unknown

Hey my friend its me again :)
Describe the issue
Trying to get Meta-values for Measure:
a) for .sav data: returns the right value for measure (scale or nominal) for the most part, but for some it returns unknown
b) for .dta data: returns only UNKNOWN for every entry

meta.variable_measure
{'year': 'unknown',
'lyear': 'unknown',
'plz': 'unknown',
...}

To Reproduce
Steps to reproduce the behavior.
fpath = path to file
#for sav:
df, meta = pyreadstat.read_sav(fpath)
#for dta:
df, meta = pyreadstat.read_dta(fpath)
meta.variable_measure

File example

working on a file to share ( Im not allowed to share the real data)

Expected behavior
Return either Scale or Nominal as entry in column measure .

Setup Information:
How did you install pyreadstat? (pip, conda, directly from repo)
tried it with pip and conda
Platform (windows, macOS, linux, 32 or 64 bit)
win10
Python Version
3.79
Python Distribution (System, plain python, Anaconda)
plain and anacaonda
Using Virtualenv or condaenv?
both

Thank you for your time!

PackagesNotFoundError: The following packages are not available from current channels:

Hi,

I would like to install pyreadstat with the following command:
conda install -c conda-forge pyreadstat

but I get the following error:
PackagesNotFoundError: The following packages are not available from current channels:

pyreadstat

Current channels:

I am using the following:
Python 3.7.4
Anaconda3 2019.10
on Win 32

UTF-8 codec can't decode byte

I'm getting this error when I try to read_xport on a sas file:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x92 in position 3: invalid start byte

It's weird because pandas is able to load the file. I'm only using pyreadstat to get the column labels.

write_sav() and datetime gives wrong format

According to the Readme datetime, date, time should be converted to numeric with datetime/date/time formatting.

I am converting strings to datetime64[ns] dtype with:

df[field_name] = pd.to_datetime(df[field_name], errors="coerce")

df[field_name] = pd.to_datetime(df[field_name], format='%H:%M', errors="coerce")

for time, respectively.

The resulting sav variable has numeric type with F8.2 format

How can I convert it to SPSS DATE or TIME format?
Is this a bug? In case I am getting something wrong, please explain how to get the right format.

Thanks
Josef

Setup Information:

i installed pyreadstat via pipenv

INSTALLED VERSIONS

commit : d9fff2792bf16178d4e450fe7384244e50635733
python : 3.7.5.final.0
python-bits : 64
OS : Linux
OS-release : 5.4.0-42-generic
Version : #46~18.04.1-Ubuntu SMP Fri Jul 10 07:21:24 UTC 2020
machine : x86_64
processor : x86_64
byteorder : little
LC_ALL : None
LANG : en_US.UTF-8
LOCALE : en_US.UTF-8
pandas : 1.1.0
numpy : 1.19.1
pytz : 2020.1
dateutil : 2.8.1
pip : 20.1

While reading final_model.sav file I am getting error -- The file's timestamp string is invalid

Traceback (most recent call last):
File "read.py", line 3, in
df, meta = pyreadstat.read_sav('final_model.sav',metadataonly=True)
File "pyreadstat\pyreadstat.pyx", line 309, in pyreadstat.pyreadstat.read_sav
File "pyreadstat_readstat_parser.pyx", line 913, in pyreadstat._readstat_parser.run_conversion
File "pyreadstat_readstat_parser.pyx", line 762, in pyreadstat._readstat_parser.run_readstat_parser
pyreadstat._readstat_parser.ReadstatError: The file's timestamp string is invalid

Code:
import pyreadstat

df, meta = pyreadstat.read_sav('final_model.sav',metadataonly=True)

print(df.head())
print(meta.column_names)
print(meta.column_labels)
print(meta.number_rows)
print(meta.number_columns)
print(meta.file_label)
print(meta.file_encoding)

File did not contain the expected number of rows

ReadstatError: File did not contain the expected number of rows

Hi, I get this error when I try to read a file. Same file opens perfectly with sas7bdat package.
How is it possible?
Thanks for your help.

ModuleNotFoundError: No module named 'pyreadstat._readstat_parser'; 'pyreadstat' is not a package

Hi, I am having a problem upon importing pyreadstat.

I am using Jupyter Notebook 5.7.4 with Python 3.7.1 from Anaconda 3.x on 64bit Windows 10. I pip installed pyreadstat within Jupyter Notebooks.

Upon typing "import pyreadstat" it produces the error \

pyreadstat\_readstat_parser.pxd in init pyreadstat.pyreadstat()`

ModuleNotFoundError: No module named 'pyreadstat._readstat_parser'; 'pyreadstat' is not a package`

Previously this package worked great and I am a big fan of it how well it works. I was attempting to use it when creating a Tkinter stand alone exe and it failed to include it in the creation. This was due to my needing to use Python 3.x not a form of IPython or Anaconda to execute this pyinstaller creation. After pip installing there it claimed this error, after some checking and editing nothing would help it work and it has not worked since. Any ideas on how to repair this? I have deleted the files and reinstalled and uninstalled and reinstalled in the clean Python as well.

macOS wheel cannot be installed without admin permissions

I just tried to pip install pyreadstat, but installation failed because:

ERROR: Could not install packages due to an EnvironmentError: [Errno 13] Permission denied: '/usr/local/zlib1.dll'

I know that I could use the --user flag, but I don't think this should be necessary. Why is the package trying to copy zlib1.dll to /usr/local (which doesn't have group write permissions for normal users)? First, this is probably a Windows lib and not needed on macOS. Second, libs should go into /usr/local/lib, which by default has group write permission for regular users.

The best way to read big SPSS (SAV) files?

This is just a question.

Reading a 260MB SPSS file takes about 60s using either the read_file_in_chunks or read_sav functions. I tried several different chunk sizes (1000, 10 000 etc) but there seem to be no big changes in performance.

So is this to be expected? I mean, performance section in the readme promises 7s read speed (for a somewhat smaller file and a different format).

This is just simple test script:

import pyreadstat

reader = pyreadstat.read_file_in_chunks(pyreadstat.read_sav, './big.sav', chunksize= 1000)

for df, meta in reader:
   continue

print("ok")

So this takes about a minute using Python 3.9 on MacOSX Catalina, MacBook Pro. Is this normal?

Is there any way to make reading the file faster? I'm not a Python guy, so maybe I made a mistake.

Thx and great library by the way!

Loading error with user_missing=True

I'm trying to load the 2015 PISA dataset. You can find it here: http://vs-web-fs-1.oecd.org/pisa/PUF_SPSS_COMBINED_CMB_STU_COG.zip. But I get an error, see below.

import pyreadstat as pr
df, meta = pr.read_sav('CY6_MS_CMB_STU_COG.sav', 
    usecols=['CM00GQ01S', 'CM033Q01S'], user_missing=True)
Traceback (most recent call last):

  File "<ipython-input-36-b00299c666b1>", line 4, in <module>
    usecols=['CM00GQ01S', 'CM033Q01S'], user_missing=True)

  File "pyreadstat\pyreadstat.pyx", line 254, in pyreadstat.pyreadstat.read_sav

  File "pyreadstat\_readstat_parser.pyx", line 869, in pyreadstat._readstat_parser.run_conversion

  File "pyreadstat\_readstat_parser.pyx", line 459, in pyreadstat._readstat_parser.handle_variable

  File "pyreadstat\_readstat_parser.pyx", line 260, in pyreadstat._readstat_parser.convert_readstat_to_python_value

IndexError: list index out of range

It works fine if I don't include the option user_missing=True.

SPSS .sav file loading error - ReadstatError: The file's timestamp string is invalid

Describe the issue

SPSS .sav file does not opened by pyreadstat. When I tried to open, following error is shown:

---------------------------------------------------------------------------
ReadstatError                             Traceback (most recent call last)
<ipython-input-18-9b4138777e0b> in <module>()
      1 import pyreadstat
----> 2 pandas_df, meta = pyreadstat.read_sav('test_2014.sav', encoding="UTF-8")

pyreadstat/pyreadstat.pyx in pyreadstat.pyreadstat.read_sav()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.run_conversion()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.run_readstat_parser()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.check_exit_status()

ReadstatError: The file's timestamp string is invalid

To Reproduce

import pyreadstat
pandas_df, meta = pyreadstat.read_sav('test_2014.sav', encoding="UTF-8")

File example

File A - Problematic file (test_2014.sav in above code): https://we.tl/t-2DOf2ZWdrU
File B - Non-problematic file: https://we.tl/t-NLFdeXzWu2
Both files will be deleted in a week. If the file is deleted, ping me, I'll re-upload to another place ASAP.

File A is a file which is not working with pyreadstat. Sorry but I do not familiar with SPSS, so I do not know any information about File A. (I don't even know how to see the metadata of File A. Just my mission is loading this file into Pandas DataFrame.)

File B is a file which is finely working with pyreadstat without any errors. It's content is (maybe) exactly same with File A. File B was made by following procedure:

Open the File A with IBM SPSS Statistics 25.
Click the "Save As...".

Unfortunately, one of my work limitation is working with File A, not with File B. So I'm submitting this issue to find any errors in File A, or to request fixing this problem in pyreadstat.

Expected behavior

When I do with following example code:

import pyreadstat

pandas_df, meta = pyreadstat.read_sav('test_2014_working.sav', encoding="UTF-8")

print(pandas_df.head())
print(meta.column_names)
print(meta.column_labels)
print(meta.column_names_to_labels)
print(meta.number_rows)
print(meta.number_columns)
print(meta.file_label)
print(meta.file_encoding)

The result should be like this:

         mod_d          ID    ID_fam  ...     FQ_B2    FQ_NIAC    FQ_VITC
0  2019.03.06.  A209716213  A2097162  ...  0.928150   9.775076  76.860862
1  2019.03.06.  A209716214  A2097162  ...  0.955394   9.563916  77.923136
2  2019.03.06.  A209716216  A2097162  ...  1.261083  13.737185  83.099517
3  2019.03.06.  A209724716  A2097247  ...       NaN        NaN        NaN
4  2019.03.06.  A209731515  A2097315  ...       NaN        NaN        NaN

[5 rows x 436 columns]
['mod_d', 'ID', 'ID_fam', 'year', 'region', 'town_t', 'apt_t', 'psu', 'sex', 'age', 'age_month', 'incm', 'ho_incm', 'incm5', 'ho_incm5', 'edu', 'occp', 'wt_hs', 'wt_itvex', 'wt_pft', 'wt_tr', 'wt_ntr', 'wt_tot', 'wt_pftr', 'wt_pfnt', 'wt_trnt', 'wt_pftrnt', 'kstrata', 'FS_ffq', 'FS_CHANG', 'FS_CHANG_O', 'FS_MEAL', 'FS_MEAL_O', 'FF_RICE', 'FA_RICE', 'FF_BARLEY', 'FA_BARLEY', 'FF_BIBIM', 'FA_BIBIM', 'FF_GIMBAB', 'FA_GIMBAB', 'FF_CURRY', 'FA_CURRY', 'FF_INSTNO', 'FA_INSTNO', 'FF_WHNO', 'FA_WHNO', 'FF_CHNO', 'FA_CHNO', 'FF_BUNO', 'FA_BUNO', 'FF_S_RCAK', 'FA_S_RCAK', 'FF_DUMP', 'FA_DUMP', 'FF_BRE', 'FA_BRE', 'FF_BUTTER', 'FA_BUTTER', 'FF_JAM', 'FA_JAM', 'FF_RB_BRE', 'FA_RB_BRE', 'FF_CAKE', 'FA_CAKE', 'FF_PIZZA', 'FA_PIZZA', 'FF_HAMBER', 'FA_HAMBER', 'FF_RCAK', 'FA_RCAK', 'FF_F_RCAK', 'FA_F_RCAK', 'FF_CEREAL', 'FA_CEREAL', 'FF_T_BEEF', 'FA_T_BEEF', 'FF_T_POTA', 'FA_T_POTA', 'FF_T_LOAC', 'FA_T_LOAC', 'FF_J_POLL', 'FA_J_POLL', 'FF_S_SWED', 'FA_S_SWED', 'FF_S_BEEF', 'FA_S_BEEF', 'FF_S_POLL', 'FA_S_POLL', 'FF_S_SOYP', 'FA_S_SOYP', 'FF_J_SOYP', 'FA_J_SOYP', 'FF_J_KIMC', 'FA_J_KIMC', 'FF_J_BUDA', 'FA_J_BUDA', 'FF_J_BNCD', 'FA_J_BNCD', 'FF_BNCURD', 'FA_BNCURD', 'FF_S_BEAN', 'FA_S_BEAN', 'FF_F_EGG', 'FA_F_EGG', 'FF_S_EGG', 'FA_S_EGG', 'FF_R_PORK', 'FA_R_PORK', 'FF_S_PORK', 'FA_S_PORK', 'FF_F_PORK', 'FA_F_PORK', 'FF_C_PORK', 'FA_C_PORK', 'FF_R_BEEF', 'FA_R_BEEF', 'FF_F_BEEF', 'FA_F_BEEF', 'FF_HAM', 'FA_HAM', 'FF_PORKBY', 'FA_PORKBY', 'FF_T_CHIC', 'FA_T_CHIC', 'FF_S_CHIC', 'FA_S_CHIC', 'FF_F_CHIC', 'FA_F_CHIC', 'FF_R_DUCK', 'FA_R_DUCK', 'FF_MACKER', 'FA_MACKER', 'FF_HAIRT', 'FA_HAIRT', 'FF_ANCH', 'FA_ANCH', 'FF_SQUID', 'FA_SQUID', 'FF_SCRAB', 'FA_SCRAB', 'FF_SFISH', 'FA_SFISH', 'FF_FPASTE', 'FA_FPASTE', 'FF_SPROU', 'FA_SPROU', 'FF_SPINAC', 'FA_SPINAC', 'FF_BELLFI', 'FA_BELLFI', 'FF_PUMPKI', 'FA_PUMPKI', 'FF_OVEG', 'FA_OVEG', 'FF_CUCUMB', 'FA_CUCUMB', 'FF_RADI', 'FA_RADI', 'FF_VSALAD', 'FA_VSALAD', 'FF_GREENO', 'FA_GREENO', 'FF_RAWVEG', 'FA_RAWVEG', 'FF_BROCOL', 'FA_BROCOL', 'FF_GARLIC', 'FA_GARLIC', 'FF_FER_BN', 'FA_FER_BN', 'FF_KIMCHI', 'FA_KIMCHI', 'FF_OKIMCH', 'FA_OKIMCH', 'FF_SVEG', 'FA_SVEG', 'FF_ROOT', 'FA_ROOT', 'FF_PCAKE', 'FA_PCAKE', 'FF_F_VEG', 'FA_F_VEG', 'FF_MUSHRO', 'FA_MUSHRO', 'FF_LAV', 'FA_LAV', 'FF_GLAV', 'FA_GLAV', 'FF_F_SWED', 'FA_F_SWED', 'FF_F_POTA', 'FA_F_POTA', 'FF_S_POTA', 'FA_S_POTA', 'FF_SWPOTA', 'FA_SWPOTA', 'FF_CORN', 'FA_CORN', 'FF_MILK', 'FA_MILK', 'FS_MILK', 'FF_L_YOGU', 'FA_L_YOGU', 'FF_C_YOGU', 'FA_C_YOGU', 'FF_BN_MILK', 'FA_BN_MILK', 'FS_FRUIT', 'FS_STRAW', 'FF_STRAW', 'FF_STRAW_YR', 'FA_STRAW', 'FS_TOMATO', 'FF_TOMATO', 'FF_TOMATO_YR', 'FA_TOMATO', 'FS_MMELON', 'FF_MMELON', 'FF_MMELON_YR', 'FA_MMELON', 'FS_WMELON', 'FF_WMELON', 'FF_WMELON_YR', 'FA_WMELON', 'FS_PEACH', 'FF_PEACH', 'FF_PEACH_YR', 'FA_PEACH', 'FS_GRAPE', 'FF_GRAPE', 'FF_GRAPE_YR', 'FA_GRAPE', 'FS_APPLE', 'FF_APPLE', 'FF_APPLE_YR', 'FA_APPLE', 'FS_PEAR', 'FF_PEAR', 'FF_PEAR_YR', 'FA_PEAR', 'FS_PERS', 'FF_PERS', 'FF_PERS_YR', 'FA_PERS', 'FS_TANG', 'FF_TANG', 'FF_TANG_YR', 'FA_TANG', 'FS_BANANA', 'FF_BANANA', 'FF_BANANA_YR', 'FA_BANANA', 'FS_CITRUS', 'FF_CITRUS', 'FF_CITRUS_YR', 'FA_CITRUS', 'FS_KIWI', 'FF_KIWI', 'FF_KIWI_YR', 'FA_KIWI', 'FF_COFFEE', 'FA_COFFEE', 'FS_COFFEE', 'FF_CREAM', 'FA_CREAM', 'FF_SUGAR', 'FA_SUGAR', 'FF_TEA', 'FA_TEA', 'FF_SODA', 'FA_SODA', 'FF_FJUICE', 'FA_FJUICE', 'FF_GBAVER', 'FA_GBAVER', 'FF_SNACK', 'FA_SNACK', 'FF_COOKIE', 'FA_COOKIE', 'FF_CHOCO', 'FA_CHOCO', 'FF_ICECM', 'FA_ICECM', 'FF_PEANUT', 'FA_PEANUT', 'FF_CHNUT', 'FA_CHNUT', 'FF_SOJU', 'FA_SOJU', 'FS_SOJU', 'FF_BEER', 'FA_BEER', 'FS_BEER', 'FF_RWINE', 'FA_RWINE', 'FS_RWINE', 'FQ_RICE', 'FQ_BARLEY', 'FQ_BIBIM', 'FQ_GIMBAB', 'FQ_CURRY', 'FQ_INSTNO', 'FQ_WHNO', 'FQ_CHNO', 'FQ_BUNO', 'FQ_S_RCAK', 'FQ_DUMP', 'FQ_BRE', 'FQ_BUTTER', 'FQ_JAM', 'FQ_RB_BRE', 'FQ_CAKE', 'FQ_PIZZA', 'FQ_HAMBER', 'FQ_RCAK', 'FQ_F_RCAK', 'FQ_CEREAL', 'FQ_T_BEEF', 'FQ_T_POTA', 'FQ_T_LOAC', 'FQ_J_POLL', 'FQ_S_SWED', 'FQ_S_BEEF', 'FQ_S_POLL', 'FQ_S_SOYP', 'FQ_J_SOYP', 'FQ_J_KIMC', 'FQ_J_BUDA', 'FQ_J_BNCD', 'FQ_BNCURD', 'FQ_S_BEAN', 'FQ_F_EGG', 'FQ_S_EGG', 'FQ_R_PORK', 'FQ_S_PORK', 'FQ_F_PORK', 'FQ_C_PORK', 'FQ_R_BEEF', 'FQ_F_BEEF', 'FQ_HAM', 'FQ_PORKBY', 'FQ_T_CHIC', 'FQ_S_CHIC', 'FQ_F_CHIC', 'FQ_R_DUCK', 'FQ_MACKER', 'FQ_HAIRT', 'FQ_ANCH', 'FQ_SQUID', 'FQ_SCRAB', 'FQ_SFISH', 'FQ_FPASTE', 'FQ_SPROU', 'FQ_SPINAC', 'FQ_BELLFI', 'FQ_PUMPKI', 'FQ_OVEG', 'FQ_CUCUMB', 'FQ_RADI', 'FQ_VSALAD', 'FQ_GREENO', 'FQ_RAWVEG', 'FQ_BROCOL', 'FQ_GARLIC', 'FQ_FER_BN', 'FQ_KIMCHI', 'FQ_OKIMCH', 'FQ_SVEG', 'FQ_ROOT', 'FQ_PCAKE', 'FQ_F_VEG', 'FQ_MUSHRO', 'FQ_LAV', 'FQ_GLAV', 'FQ_F_SWED', 'FQ_F_POTA', 'FQ_S_POTA', 'FQ_SWPOTA', 'FQ_CORN', 'FQ_MILK', 'FQ_L_YOGU', 'FQ_C_YOGU', 'FQ_BN_MILK', 'FQ_STRAW', 'FQ_TOMATO', 'FQ_MMELON', 'FQ_WMELON', 'FQ_PEACH', 'FQ_GRAPE', 'FQ_APPLE', 'FQ_PEAR', 'FQ_PERS', 'FQ_TANG', 'FQ_BANANA', 'FQ_CITRUS', 'FQ_KIWI', 'FQ_COFFEE', 'FQ_CREAM', 'FQ_SUGAR', 'FQ_TEA', 'FQ_SODA', 'FQ_FJUICE', 'FQ_GBAVER', 'FQ_SNACK', 'FQ_COOKIE', 'FQ_CHOCO', 'FQ_ICECM', 'FQ_PEANUT', 'FQ_CHNUT', 'FQ_SOJU', 'FQ_BEER', 'FQ_RWINE', 'FQ_EN', 'FQ_PROT', 'FQ_FAT', 'FQ_SFA', 'FQ_MUFA', 'FQ_PUFA', 'FQ_N3', 'FQ_N6', 'FQ_CHOL', 'FQ_CHO', 'FQ_TDF', 'FQ_CA', 'FQ_PHOS', 'FQ_FE', 'FQ_NA', 'FQ_K', 'FQ_VA', 'FQ_RETIN', 'FQ_CAROT', 'FQ_B1', 'FQ_B2', 'FQ_NIAC', 'FQ_VITC']
['최종 DB 수정일', '개인 아이디', '가구 아이디', '조사연도', '시도', '동읍면', '주택유형', '조사구번호', '성별', '만나이', '월령', '소득4분위수(개인)', '소득4분위수(가구)', '소득5분위수(개인)', '소득5분위수(가구)', '교육수준 재분류 코드', '직업재분류 및 실업/비경제활동인구상태 코드', '가구가중치', '설문,검진 가중치', '폐기능 가중치', '갑상선·비타민D 가중치', '영양 가중치', '설문,검진,영양 가중치', '폐기능,갑상선·비타민D 가중치', '폐기능,영양 가중치', '갑상선·비타민D,영양 가중치', '폐기능,갑상선·비타민D,영양 가중치', '분산추정층', '식품섭취빈도조사 참여자', '식사 종류와 양의 변화', '식사 종류와 양의 변화 시기', '하루 섭취 끼니 수', '기타를 선택한 경우 하루 섭취 끼니 수', '[쌀밥]의 최근 1년간 평균섭취빈도', '[쌀밥]의 1회 평균섭취량', '[잡곡밥] 최근 1년간 평균섭취빈도', '[잡곡밥]의 1회 평균섭취량', '[비빔밥, 볶음밥]의 최근 1년간 평균섭취빈도', '[비빔밥, 볶음밥]의 1회 평균섭취량', '[김밥]의 최근 1년간 평균섭취빈도', '[김밥]의 1회 평균섭취량', '[카레라이스]의 최근 1년간 평균섭취빈도', '[카레라이스]의 1회 평균 섭취량', '[라면, 컵라면]의 최근 1년간 평균섭취빈도', '[라면, 컵라면]의 1회 평균 섭취량', '[국수, 칼국수, 우동]의 평균섭취빈도', '[국수, 칼국수, 우동]의 1회 평균 섭취량', '[짜장면, 짬뽕]의 최근 1년간 평균섭취빈도', '[짜장면, 짬뽕]의 1회 평균섭취량', '[냉면]의 최근 1년간 평균섭취빈도', '[냉면]의 1회 평균섭취량', '[떡국]의 최근 1년간 평균섭취빈도', '[떡국]의 1회 평균섭취량', '[만두]의 최근 1년간 평균섭취빈도', '[만두]의 1회 평균섭취량', '[식빵]의 최근 1년간 평균섭취빈도', '[식빵]의 1회 평균섭취량', '[버터, 마아가린]의 최근 1년간 평균섭취빈도', '[버터, 마아가린]의 1회 평균섭취량', '[잼]의 최근 1년간 평균섭취빈도', '[잼]의 1회 평균섭취량', '[단팥빵, 호빵, 크림빵]의 최근 1년간 평균섭취빈도', '[단팥빵, 호빵, 크림빵]의 1회 평균섭취량', '[카스테라, 케이크, 초코파이]의 최근 1년간 평균섭취빈도', '[카스테라, 케이크, 초코파이]의 1회 평균섭취량', '[피자]의 최근 1년간 평균섭취빈도', '[피자]의 1회 평균섭취량', '[햄버거, 샌드위치]의 최근 1년간 평균섭취빈도', '[햄버거, 샌드위치]의 1회 평균섭취량', '[백설기, 시루떡, 인절미, 절편]의 최근 1년간 평균섭취빈도', '[백설기, 시루떡, 인절미, 절편]의 1회 평균섭취량', '[떡볶이]의 최근 1년간 평균섭취빈도', '[떡볶이]의 1회 평균섭취량', '[시리얼]의 최근 1년간 평균섭취빈도', '[시리얼]의 1회 평균섭취량', '[설렁탕, 곰탕, 사골국]의 최근 1년간 평균섭취빈도', '[설렁탕, 곰탕, 사골국]의 1회 평균섭취량', '[감자탕]의 최근 1년간 평균섭취빈도', '[감자탕]의 1회 평균섭취량', '[추어탕]의 최근 1년간 평균섭취빈도', '[추어탕]의1회 평균섭취량', '[동태찌개, 해물매운탕]의 최근 1년간 평균섭취빈도', '[동태찌개, 해물매운탕]의 1회 평균섭취량', '[미역국]의 최근 1년간 평균섭취빈도', '[미역국]의 1회 평균섭취량', '[쇠고기국, 육개장, 무국]의 최근 1년간 평균섭취빈도', '[쇠고기국, 육개장, 무국]의 1회 평균섭취량', '[북어국]의 최근 1년간 평균섭취빈도', '[북어국]의 1회 평균섭취량', '[된장국]의 최근 1년간 평균섭취빈도', '[된장국]의 1회 평균섭취량', '[된장찌개, 청국장찌개]의 최근 1년간 평균섭취빈도', '[된장찌개, 청국장찌개]의 1회 평균섭취량', '[김치찌개, 김치볶음]의 최근 1년간 평균섭취빈도', '[김치찌개, 김치볶음]의 1회 평균섭취량', '[부대찌개]의 최근 1년간 평균섭취빈도', '[부대찌개]의 1회 평균섭취량', '[두부찌개, 순두부찌개]의 최근 1년간 평균섭취빈도', '[두부찌개, 순두부찌개]의 1회 평균섭취량', '[두부, 두부조림, 두부부침]의 최근 1년간 평균섭취빈도', '[두부, 두부조림, 두부부침]의 1회 평균섭취량', '[콩조림]의 최근 1년간 평균섭취빈도', '[콩조림]의 1회 평균섭취량', '[달걀후라이, 달걀말이]의 최근 1년간 평균섭취빈도', '[달걀후라이, 달걀말이]의 1회 평균섭취량', '[삶은 달걀, 달걀찜]의 최근 1년간 평균섭취빈도', '[삶은 달걀, 달걀찜]의 1회 평균섭취량', '[돼지고기 삼겹살구이]의 최근 1년간 평균섭취빈도', '[돼지고기 삼겹살구이]의 1회 평균섭취량', '[돼지고기 삶은고기(수육, 보쌈)]의 최근 1년간 평균섭취빈도', '[돼지고기 삶은고기(수육, 보쌈)]의 1회 평균섭취량', '[제육볶음, 돼지 불고기, 돼지갈비구이]의 최근 1년간 평균섭취빈도', '[제육볶음, 돼지 불고기, 돼지갈비구이]의 1회 평균섭취량', '[돼지고기 탕수육, 돈까스]의 최근 1년간 평균섭취빈도', '[돼지고기 탕수육, 돈까스]의 1회 평균섭취량', '[쇠고기 생고기구이]의 최근 1년간 평균섭취빈도', '[쇠고기 생고기구이]의 1회 평균섭취량', '[쇠고기불고기]의 최근 1년간 평균섭취빈도', '[쇠고기불고기]의 1회 평균섭취량', '[햄]의 최근 1년간 평균섭취빈도', '[햄]의 1회 평균섭취량', '[순대]의 최근 1년간 평균섭취빈도', '[순대]의 1회 평균섭취량', '[삼계탕(닭백숙)]의 최근 1년간 평균섭취빈도', '[삼계탕(닭백숙)]의 1회 평균섭취량', '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 최근 1년간 평균섭취빈도', '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 1회 평균섭취량', '[치킨(닭튀김)]의 최근 1년간 평균섭취빈도', '[치킨(닭튀김)]의 1회 평균섭취량', '[오리고기 로스구이]의 최근 1년간 평균섭취빈도', '[오리고기 로스구이]의 1회 평균섭취량', '[고등어, 꽁치(구이, 조림)]의 최근 1년간 평균섭취빈도', '[고등어, 꽁치(구이, 조림)]의 1회 평균섭취량', '[갈치, 조기(구이, 조림)]의 최근 1년간 평균섭취빈도', '[갈치, 조기(구이, 조림)]의 1회 평균섭취량', '[멸치, 멸치볶음]의 최근 1년간 평균섭취빈도', '[멸치, 멸치볶음]의 1회 평균섭취량', '[오징어, 오징어채, 마른 오징어]의 최근 1년간 평균섭취빈도', '[오징어, 오징어채, 마른 오징어]의 1회 평균섭취량', '[게장]의 최근 1년간 평균섭취빈도', '[게장]의 1회 평균섭취량', '[새우젓, 오징어젓, 조개젓]의 최근 1년간 평균섭취빈도', '[새우젓, 오징어젓, 조개젓]의 1회 평균섭취량', '[어묵(볶음, 국)]의 최근 1년간 평균섭취빈도', '[어묵(볶음, 국)]의 1회 평균섭취량', '[콩나물(무침, 국), 숙주나물]의 최근 1년간 평균섭취빈도', '[콩나물(무침, 국), 숙주나물]의 1회 평균섭취량', '[시금치나물]의 최근 1년간 평균섭취빈도', '[시금치나물]의 1회 평균섭취량', '[도라지(생채, 나물)]의 최근 1년간 평균섭취빈도', '[도라지(생채, 나물)]의 1회 평균섭취량', '[호박(나물, 전)]의 최근 1년간 평균섭취빈도', '[호박(나물, 전)]의 1회 평균섭취량', '[기타 나물]의 최근 1년간 평균섭취빈도', '[기타 나물]의 1회 평균섭취량', '[오이(생채, 생오이)]의 최근 1년간 평균섭취빈도', '[오이(생채, 생오이)]의 1회 평균섭취량', '[무(생채,단무지,무말랭이)]의 최근 1년간 평균섭취빈도', '[무(생채,단무지,무말랭이)]의 1회 평균섭취량', '[채소샐러드]의 최근 1년간 평균섭취빈도', '[채소샐러드]의 1회 평균섭취량', '[파무침, 부추무침]의 최근 1년간 평균섭취빈도', '[파무침, 부추무침]의 1회 평균섭취량', '[쌈채소, 풋고추]의 최근 1년간 평균섭취빈도', '[쌈채소, 풋고추]의 1회 평균섭취량', '[삶은 브로콜리, 삶은 양배추]의 최근 1년간 평균섭취빈도', '[삶은 브로콜리, 삶은 양배추]의 1회 평균섭취량', '[마늘]의 최근 1년간 평균섭취빈도', '[마늘]의 1회 평균섭취량', '[쌈장(고추장, 된장, 혼합장), 초고추장]의 최근 1년간 평균섭취빈도', '[쌈장(고추장, 된장, 혼합장), 초고추장]의 1회 평균섭취량', '[배추김치]의 최근 1년간 평균섭취빈도', '[배추김치]의 1회 평균섭취량', '[기타김치, 겉절이]의 최근 1년간 평균섭취빈도', '[기타김치, 겉절이]의 1회 평균섭취량', '[장아찌, 오이피클]의 최근 1년간 평균섭취빈도', '[장아찌, 오이피클]의 1회 평균섭취량', '[연근조림, 우엉조림]의 최근 1년간 평균섭취빈도', '[연근조림, 우엉조림]의 1회 평균섭취량', '[부침개류(부추전, 김치전 등)]의 최근 1년간 평균섭취빈도', '[부침개류(부추전, 김치전 등)]의 1회 평균섭취량', '[잡채]의 최근 1년간 평균섭취빈도', '[잡채]의 1회 평균섭취량', '[버섯볶음]의 최근 1년간 평균섭취빈도', '[버섯볶음]의 1회 평균섭취량', '[김구이, 생김, 김무침]의 최근 1년간 평균섭취빈도', '[김구이, 생김, 김무침]의 1회 평균섭취량', '[파래무침, 미역초무침]의 최근 1년간 평균섭취빈도', '[파래무침, 미역초무침]의 1회 평균섭취량', '[미역줄기볶음]의 최근 1년간 평균섭취빈도', '[미역줄기볶음]의 1회 평균섭취량', '[감자볶음, 감자조림]의 최근 1년간 평균섭취빈도', '[감자볶음, 감자조림]의 1회 평균섭취량', '[찐감자, 군감자]의 최근 1년간 평균섭취빈도', '[찐감자, 군감자]의 1회 평균섭취량', '[찐고구마, 군고구마]의 최근 1년간 평균섭취빈도', '[찐고구마, 군고구마]의 1회 평균섭취량', '[찐옥수수, 군옥수수]의 최근 1년간 평균섭취빈도', '[찐옥수수, 군옥수수]의 1회 평균섭취량', '[우유(일반, 저지방)]의 최근 1년간 평균섭취빈도', '[우유(일반, 저지방)]의 1회 평균섭취량', '주로 섭취하는 우유 종류', '[액상요구르트]의 최근 1년간 평균섭취빈도', '[액상요구르트]의 1회 평균섭취량', '[호상요구르트(떠먹는 요구르트)]의 최근 1년간 평균섭취빈도', '[호상요구르트(떠먹는 요구르트)]의1회 평균섭취량', '[두유]의 최근 1년간 평균섭취빈도', '[두유]의 1회 평균섭취량', '[과일 전체]의 최근 1년간 평균섭취빈도', '[딸기]의 섭취기간', '[딸기]의 섭취기간 동안의 평균섭취빈도', '[딸기]의 최근 1년간 평균섭취빈도', '[딸기]의 1회 평균섭취량', '[토마토, 방울토마토]의 섭취기간', '[토마토, 방울토마토]의 섭취기간 동안의 평균섭취빈도', '[토마토, 방울토마토]의 1년 최근 1년간 평균섭취빈도', '[토마토, 방울토마토]의 1회 평균섭취량', '[참외]의 섭취기간', '[참외]의 섭취기간 동안의 평균섭취빈도', '[참외]의 최근 1년간 평균섭취빈도', '[참외]의 1회 평균섭취량', '[수박]의 섭취기간', '[수박]의 섭취기간 동안의 평균섭취빈도', '[수박]의 최근 1년간 평균섭취빈도', '[수박]의 1회 평균섭취량', '[복숭아]의 섭취기간', '[복숭아]의 섭취기간 동안의 평균섭취빈도', '[복숭아]의 최근 1년간 평균섭취빈도', '[복숭아]의 1회 평균섭취량', '[포도]의 섭취기간', '[포도]의 섭취기간 동안의 평균섭취빈도', '[포도]의 최근 1년간 평균섭취빈도', '[포도]의 1회 평균섭취량', '[사과]의 섭취기간', '[사과]의 섭취기간 동안의 평균섭취빈도', '[사과]의 최근 1년간 평균섭취빈도', '[사과]의 1회 평균섭취량', '[배]의 섭취기간', '[배]의 섭취기간 동안의 평균섭취빈도', '[배]의 최근 1년간 평균섭취빈도', '[배]의 1회 평균섭취량', '[감, 곶감]의 섭취기간', '[감, 곶감]의 섭취기간 동안의 평균섭취빈도', '[감, 곶감]의 최근 1년간 평균섭취빈도', '[감, 곶감]의 1회 평균섭취량', '[귤]의 섭취기간', '[귤]의 섭취기간 동안의 평균섭취빈도', '[귤]의 최근 1년간 평균섭취빈도', '[귤]의 1회 평균섭취량', '[바나나]의 섭취기간', '[바나나]의 섭취기간 동안의 평균섭취빈도', '[바나나]의 최근 1년간 평균섭취빈도', '[바나나]의 1회 평균섭취량', '[오렌지]의 섭취기간', '[오렌지]의 섭취기간 동안의 평균섭취빈도', '[오렌지]의 최근 1년간 평균섭취빈도', '[오렌지]의 1회 평균섭취량', '[키위]의 섭취기간', '[키위]의 섭취기간 동안의 평균섭취빈도', '[키위]의 최근 1년간 평균섭취빈도', '[키위]의 1회 평균섭취량', '[커피]의 최근 1년간 평균섭취빈도', '[커피]의 1회 평균섭취량', '[커피]의 하루 3회 초과 섭취 시 하루 평균 섭취 횟수', '[프림]의 최근 1년간 평균섭취빈도', '[프림]의 1회 평균섭취량', '[설탕]의 최근 1년간 평균섭취빈도', '[설탕]의 1회 평균섭취량', '[녹차]의 최근 1년간 평균섭취빈도', '[녹차]의 1회 평균섭취량', '[탄산음료(콜라, 사이다, 과일탄산음료)]의 최근 1년간 평균섭취빈도', '[탄산음료(콜라, 사이다, 과일탄산음료)]의 1회 평균섭취량', '[과일주스]의 최근 1년간 평균섭취빈도', '[과일주스]의 1회 평균섭취량', '[미숫가루음료, 식혜]의 최근 1년간 평균섭취빈도', '[미숫가루음료, 식혜]의 1회 평균섭취량', '[스넥과자]의 최근 1년간 평균섭취빈도', '[스넥과자]의 1회 평균섭취량', '[쿠키, 크래커]의 최근 1년간 평균섭취빈도', '[쿠키, 크래커]의 1회 평균섭취량', '[초콜릿]의 최근 1년간 평균섭취빈도', '[초콜릿]의 1회 평균섭취량', '[아이스크림, 빙과류]의 최근 1년간 평균섭취빈도', '[아이스크림, 빙과류]의 1회 평균섭취량', '[땅콩]의 최근 1년간 평균섭취빈도', '[땅콩]의 1회 평균섭취량', '[밤]의 최근 1년간 평균섭취빈도', '[밤]의 1회 평균섭취량', '[소주]의 최근 1년간 평균섭취빈도', '[소주]의 1회 평균섭취량', '[소주]의 1회 섭취량이 1병 초과인 경우 섭취량', '[맥주]의 최근 1년간 평균섭취빈도', '[맥주]의 1회 평균섭취량', '[맥주]의 1회 섭취량이 2컵 초과인 경우 섭취량', '[막걸리]의 최근 1년간 평균섭취빈도', '[막걸리]의 1회 평균섭취량', '[막걸리]의 1회 섭취량이 2사발 초과인 경우 섭취량', '[쌀밥]의 주당섭취빈도', '[잡곡밥]의 주당섭취빈도', '[비빔밥, 볶음밥]의 주당섭취빈도', '[김밥]의 주당섭취빈도', '[카레라이스]의 주당섭취빈도', '[라면, 컵라면]의 주당섭취빈도', '[국수, 칼국수, 우동]의 주당섭취빈도', '[짜장면, 짬뽕]의 주당섭취빈도', '[냉면]의 주당섭취빈도', '[떡국]의 주당섭취빈도', '[만두]의 주당섭취빈도', '[식빵]의 주당섭취빈도', '[버터, 마아가린]의 주당섭취빈도', '[잼]의 주당섭취빈도', '[단팥빵, 호빵, 크림빵]의 주당섭취빈도', '[카스테라, 케이크, 초코파이]의 주당섭취빈도', '[피자]의 주당섭취빈도', '[햄버거, 샌드위치]의 주당섭취빈도', '[백설기, 시루떡, 인절미, 절편]의 주당섭취빈도', '[떡볶이]의 주당섭취빈도', '[시리얼]의 주당섭취빈도', '[설렁탕, 곰탕, 사골국]의 주당섭취빈도', '[감자탕]의 주당섭취빈도', '[추어탕]의 주당섭취빈도', '[동태찌개, 해물매운탕]의 주당섭취빈도', '[미역국]의 주당섭취빈도', '[쇠고기국, 육개장, 무국]의 주당섭취빈도', '[북어국]의 주당섭취빈도', '[된장국]의 주당섭취빈도', '[된장찌개, 청국장찌개]의 주당섭취빈도', '[김치찌개, 김치볶음]의 주당섭취빈도', '[부대찌개]의 주당섭취빈도', '[두부찌개, 순두부찌개]의 주당섭취빈도', '[두부, 두부조림, 두부부침]의 주당섭취빈도', '[콩조림]의 주당섭취빈도', '[달걀후라이, 달걀말이]의 주당섭취빈도', '[삶은 달걀, 달걀찜]의 주당섭취빈도', '[돼지고기 삼겹살구이]의 주당섭취빈도', '[돼지고기 삶은고기(수육,보쌈)]의 주당섭취빈도', '[제육볶음, 돼지불고기, 돼지갈비구이]의 주당섭취빈도', '[돼지고기 탕수육, 돈까스]의 주당섭취빈도', '[쇠고기 생고기구이]의 주당섭취빈도', '[쇠고기불고기]의 주당섭취빈도', '[햄]의 주당섭취빈도', '[순대]의 주당섭취빈도', '[삼계탕(닭백숙)]의 주당섭취빈도', '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 주당섭취빈도', '[치킨(닭튀김)]의 주당섭취빈도', '[오리고기 로스구이]의 주당섭취빈도', '[고등어, 꽁치(구이, 조림)]의 주당섭취빈도', '[갈치, 조기(구이, 조림)]의 주당섭취빈도', '[멸치, 멸치볶음]의 주당섭취빈도', '[오징어, 오징어채, 마른 오징어]의 주당섭취빈도', '[게장]의 주당섭취빈도', '[새우젓, 오징어젓, 조개젓]의 주당섭취빈도', '[어묵(볶음, 국)]의 주당섭취빈도', '[콩나물(무침, 국), 숙주나물]의 주당섭취빈도', '[시금치나물]의 주당섭취빈도', '[도라지(생채, 나물)]의 주당섭취빈도', '[호박(나물, 전)]의 주당섭취빈도', '[기타 나물]의 주당섭취빈도', '[오이(생채, 생오이)]의 주당섭취빈도', '[무(생채, 단무지, 무말랭이)]의 주당섭취빈도', '[채소샐러드]의 주당섭취빈도', '[파무침, 부추무침]의 주당섭취빈도', '[쌈채소, 풋고추]의 주당섭취빈도', '[삶은 브로콜리, 삶은 양배추]의 주당섭취빈도', '[마늘]의 주당섭취빈도', '[쌈장(고추장, 된장, 혼합장), 초고추장]의 주당섭취빈도', '[배추김치]의 주당섭취빈도', '[기타김치, 겉절이]의 주당섭취빈도', '[장아찌, 오이피클]의 주당섭취빈도', '[연근조림, 우엉조림]의 주당섭취빈도', '[부침개류(부추전, 김치전 등)]의 주당섭취빈도', '[잡채]의 주당섭취빈도', '[버섯볶음]의 주당섭취빈도', '[김구이, 생김, 김무침]의 주당섭취빈도', '[파래무침, 미역초무침]의 주당섭취빈도', '[미역줄기볶음]의 주당섭취빈도', '[감자볶음, 감자조림]의 주당섭취빈도', '[찐감자, 군감자]의 주당섭취빈도', '[찐고구마, 군고구마]의 주당섭취빈도', '[찐옥수수, 군옥수수]의 주당섭취빈도', '[우유(일반, 저지방)]의 주당섭취빈도', '[액상요구르트]의 주당섭취빈도', '[호상요구르트(떠먹는 요구르트)]의 주당섭취빈도', '[두유]의 주당섭취빈도', '[딸기]의 주당섭취빈도', '[토마토, 방울토마토]의 주당섭취빈도', '[참외]의 주당섭취빈도', '[수박]의 주당섭취빈도', '[복숭아]의 주당섭취빈도', '[포도]의 주당섭취빈도', '[사과]의 주당섭취빈도', '[배]의 주당섭취빈도', '[감, 곶감]의 주당섭취빈도', '[귤]의 주당섭취빈도', '[바나나]의 주당섭취빈도', '[오렌지]의 주당섭취빈도', '[키위]의 주당섭취빈도', '[커피]의 주당섭취빈도', '[프림]의 주당섭취빈도', '[설탕]의 주당섭취빈도', '[녹차]의 주당섭취빈도', '[탄산음료(콜라, 사이다, 과일탄산음료)]의 주당섭취빈도', '[과일주스]의 주당섭취빈도', '[미숫가루음료, 식혜]의 주당섭취빈도', '[스넥과자]의 주당섭취빈도', '[쿠키, 크래커]의 주당섭취빈도', '[초콜릿]의 주당섭취빈도', '[아이스크림, 빙과류]의 주당섭취빈도', '[땅콩]의 주당섭취빈도', '[밤]의 주당섭취빈도', '[소주]의 주당섭취빈도', '[맥주]의 주당섭취빈도', '[막걸리]의 주당섭취빈도', '1일 에너지 섭취량(식품섭취빈도조사)', '1일 단백질 섭취량(식품섭취빈도조사)', '1일 지방 섭취량(식품섭취빈도조사)', '1일 포화지방산 섭취량(식품섭취빈도조사)', '1일 단일불포화지방산 섭취량(식품섭취빈도조사)', '1일 다가불포화지방산 섭취량(식품섭취빈도조사)', '1일 n-3계 지방산 섭취량(식품섭취빈도조사)', '1일 n-6계 지방산 섭취량(식품섭취빈도조사)', '1일 콜레스테롤 섭취량(식품섭취빈도조사)', '1일 탄소화물 섭취량(식품섭취빈도조사)', '1일 식이섬유 섭취량(식품섭취빈도조사)', '1일 칼슘 섭취량(식품섭취빈도조사)', '1일 인 섭취량(식품섭취빈도조사)', '1일 철 섭취량(식품섭취빈도조사)', '1일 나트륨 섭취량(식품섭취빈도조사)', '1일 칼륨 섭취량(식품섭취빈도조사)', '1일 비타민A 섭취량(식품섭취빈도조사)', '1일 레티놀 섭취량(식품섭취빈도조사)', '1일 카로틴 섭취량(식품섭취빈도조사)', '1일 티아민 섭취량(식품섭취빈도조사)', '1일 리보플라빈 섭취량(식품섭취빈도조사)', '1일 나이아신 섭취량(식품섭취빈도조사)', '1일 비타민C 섭취량(식품섭취빈도조사)']
{'mod_d': '최종 DB 수정일', 'ID': '개인 아이디', 'ID_fam': '가구 아이디', 'year': '조사연도', 'region': '시도', 'town_t': '동읍면', 'apt_t': '주택유형', 'psu': '조사구번호', 'sex': '성별', 'age': '만나이', 'age_month': '월령', 'incm': '소득4분위수(개인)', 'ho_incm': '소득4분위수(가구)', 'incm5': '소득5분위수(개인)', 'ho_incm5': '소득5분위수(가구)', 'edu': '교육수준 재분류 코드', 'occp': '직업재분류 및 실업/비경제활동인구상태 코드', 'wt_hs': '가구가중치', 'wt_itvex': '설문,검진 가중치', 'wt_pft': '폐기능 가중치', 'wt_tr': '갑상선·비타민D 가중치', 'wt_ntr': '영양 가중치', 'wt_tot': '설문,검진,영양 가중치', 'wt_pftr': '폐기능,갑상선·비타민D 가중치', 'wt_pfnt': '폐기능,영양 가중치', 'wt_trnt': '갑상선·비타민D,영양 가중치', 'wt_pftrnt': '폐기능,갑상선·비타민D,영양 가중치', 'kstrata': '분산추정층', 'FS_ffq': '식품섭취빈도조사 참여자', 'FS_CHANG': '식사 종류와 양의 변화', 'FS_CHANG_O': '식사 종류와 양의 변화 시기', 'FS_MEAL': '하루 섭취 끼니 수', 'FS_MEAL_O': '기타를 선택한 경우 하루 섭취 끼니 수', 'FF_RICE': '[쌀밥]의 최근 1년간 평균섭취빈도', 'FA_RICE': '[쌀밥]의 1회 평균섭취량', 'FF_BARLEY': '[잡곡밥] 최근 1년간 평균섭취빈도', 'FA_BARLEY': '[잡곡밥]의 1회 평균섭취량', 'FF_BIBIM': '[비빔밥, 볶음밥]의 최근 1년간 평균섭취빈도', 'FA_BIBIM': '[비빔밥, 볶음밥]의 1회 평균섭취량', 'FF_GIMBAB': '[김밥]의 최근 1년간 평균섭취빈도', 'FA_GIMBAB': '[김밥]의 1회 평균섭취량', 'FF_CURRY': '[카레라이스]의 최근 1년간 평균섭취빈도', 'FA_CURRY': '[카레라이스]의 1회 평균 섭취량', 'FF_INSTNO': '[라면, 컵라면]의 최근 1년간 평균섭취빈도', 'FA_INSTNO': '[라면, 컵라면]의 1회 평균 섭취량', 'FF_WHNO': '[국수, 칼국수, 우동]의 평균섭취빈도', 'FA_WHNO': '[국수, 칼국수, 우동]의 1회 평균 섭취량', 'FF_CHNO': '[짜장면, 짬뽕]의 최근 1년간 평균섭취빈도', 'FA_CHNO': '[짜장면, 짬뽕]의 1회 평균섭취량', 'FF_BUNO': '[냉면]의 최근 1년간 평균섭취빈도', 'FA_BUNO': '[냉면]의 1회 평균섭취량', 'FF_S_RCAK': '[떡국]의 최근 1년간 평균섭취빈도', 'FA_S_RCAK': '[떡국]의 1회 평균섭취량', 'FF_DUMP': '[만두]의 최근 1년간 평균섭취빈도', 'FA_DUMP': '[만두]의 1회 평균섭취량', 'FF_BRE': '[식빵]의 최근 1년간 평균섭취빈도', 'FA_BRE': '[식빵]의 1회 평균섭취량', 'FF_BUTTER': '[버터, 마아가린]의 최근 1년간 평균섭취빈도', 'FA_BUTTER': '[버터, 마아가린]의 1회 평균섭취량', 'FF_JAM': '[잼]의 최근 1년간 평균섭취빈도', 'FA_JAM': '[잼]의 1회 평균섭취량', 'FF_RB_BRE': '[단팥빵, 호빵, 크림빵]의 최근 1년간 평균섭취빈도', 'FA_RB_BRE': '[단팥빵, 호빵, 크림빵]의 1회 평균섭취량', 'FF_CAKE': '[카스테라, 케이크, 초코파이]의 최근 1년간 평균섭취빈도', 'FA_CAKE': '[카스테라, 케이크, 초코파이]의 1회 평균섭취량', 'FF_PIZZA': '[피자]의 최근 1년간 평균섭취빈도', 'FA_PIZZA': '[피자]의 1회 평균섭취량', 'FF_HAMBER': '[햄버거, 샌드위치]의 최근 1년간 평균섭취빈도', 'FA_HAMBER': '[햄버거, 샌드위치]의 1회 평균섭취량', 'FF_RCAK': '[백설기, 시루떡, 인절미, 절편]의 최근 1년간 평균섭취빈도', 'FA_RCAK': '[백설기, 시루떡, 인절미, 절편]의 1회 평균섭취량', 'FF_F_RCAK': '[떡볶이]의 최근 1년간 평균섭취빈도', 'FA_F_RCAK': '[떡볶이]의 1회 평균섭취량', 'FF_CEREAL': '[시리얼]의 최근 1년간 평균섭취빈도', 'FA_CEREAL': '[시리얼]의 1회 평균섭취량', 'FF_T_BEEF': '[설렁탕, 곰탕, 사골국]의 최근 1년간 평균섭취빈도', 'FA_T_BEEF': '[설렁탕, 곰탕, 사골국]의 1회 평균섭취량', 'FF_T_POTA': '[감자탕]의 최근 1년간 평균섭취빈도', 'FA_T_POTA': '[감자탕]의 1회 평균섭취량', 'FF_T_LOAC': '[추어탕]의 최근 1년간 평균섭취빈도', 'FA_T_LOAC': '[추어탕]의1회 평균섭취량', 'FF_J_POLL': '[동태찌개, 해물매운탕]의 최근 1년간 평균섭취빈도', 'FA_J_POLL': '[동태찌개, 해물매운탕]의 1회 평균섭취량', 'FF_S_SWED': '[미역국]의 최근 1년간 평균섭취빈도', 'FA_S_SWED': '[미역국]의 1회 평균섭취량', 'FF_S_BEEF': '[쇠고기국, 육개장, 무국]의 최근 1년간 평균섭취빈도', 'FA_S_BEEF': '[쇠고기국, 육개장, 무국]의 1회 평균섭취량', 'FF_S_POLL': '[북어국]의 최근 1년간 평균섭취빈도', 'FA_S_POLL': '[북어국]의 1회 평균섭취량', 'FF_S_SOYP': '[된장국]의 최근 1년간 평균섭취빈도', 'FA_S_SOYP': '[된장국]의 1회 평균섭취량', 'FF_J_SOYP': '[된장찌개, 청국장찌개]의 최근 1년간 평균섭취빈도', 'FA_J_SOYP': '[된장찌개, 청국장찌개]의 1회 평균섭취량', 'FF_J_KIMC': '[김치찌개, 김치볶음]의 최근 1년간 평균섭취빈도', 'FA_J_KIMC': '[김치찌개, 김치볶음]의 1회 평균섭취량', 'FF_J_BUDA': '[부대찌개]의 최근 1년간 평균섭취빈도', 'FA_J_BUDA': '[부대찌개]의 1회 평균섭취량', 'FF_J_BNCD': '[두부찌개, 순두부찌개]의 최근 1년간 평균섭취빈도', 'FA_J_BNCD': '[두부찌개, 순두부찌개]의 1회 평균섭취량', 'FF_BNCURD': '[두부, 두부조림, 두부부침]의 최근 1년간 평균섭취빈도', 'FA_BNCURD': '[두부, 두부조림, 두부부침]의 1회 평균섭취량', 'FF_S_BEAN': '[콩조림]의 최근 1년간 평균섭취빈도', 'FA_S_BEAN': '[콩조림]의 1회 평균섭취량', 'FF_F_EGG': '[달걀후라이, 달걀말이]의 최근 1년간 평균섭취빈도', 'FA_F_EGG': '[달걀후라이, 달걀말이]의 1회 평균섭취량', 'FF_S_EGG': '[삶은 달걀, 달걀찜]의 최근 1년간 평균섭취빈도', 'FA_S_EGG': '[삶은 달걀, 달걀찜]의 1회 평균섭취량', 'FF_R_PORK': '[돼지고기 삼겹살구이]의 최근 1년간 평균섭취빈도', 'FA_R_PORK': '[돼지고기 삼겹살구이]의 1회 평균섭취량', 'FF_S_PORK': '[돼지고기 삶은고기(수육, 보쌈)]의 최근 1년간 평균섭취빈도', 'FA_S_PORK': '[돼지고기 삶은고기(수육, 보쌈)]의 1회 평균섭취량', 'FF_F_PORK': '[제육볶음, 돼지 불고기, 돼지갈비구이]의 최근 1년간 평균섭취빈도', 'FA_F_PORK': '[제육볶음, 돼지 불고기, 돼지갈비구이]의 1회 평균섭취량', 'FF_C_PORK': '[돼지고기 탕수육, 돈까스]의 최근 1년간 평균섭취빈도', 'FA_C_PORK': '[돼지고기 탕수육, 돈까스]의 1회 평균섭취량', 'FF_R_BEEF': '[쇠고기 생고기구이]의 최근 1년간 평균섭취빈도', 'FA_R_BEEF': '[쇠고기 생고기구이]의 1회 평균섭취량', 'FF_F_BEEF': '[쇠고기불고기]의 최근 1년간 평균섭취빈도', 'FA_F_BEEF': '[쇠고기불고기]의 1회 평균섭취량', 'FF_HAM': '[햄]의 최근 1년간 평균섭취빈도', 'FA_HAM': '[햄]의 1회 평균섭취량', 'FF_PORKBY': '[순대]의 최근 1년간 평균섭취빈도', 'FA_PORKBY': '[순대]의 1회 평균섭취량', 'FF_T_CHIC': '[삼계탕(닭백숙)]의 최근 1년간 평균섭취빈도', 'FA_T_CHIC': '[삼계탕(닭백숙)]의 1회 평균섭취량', 'FF_S_CHIC': '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 최근 1년간 평균섭취빈도', 'FA_S_CHIC': '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 1회 평균섭취량', 'FF_F_CHIC': '[치킨(닭튀김)]의 최근 1년간 평균섭취빈도', 'FA_F_CHIC': '[치킨(닭튀김)]의 1회 평균섭취량', 'FF_R_DUCK': '[오리고기 로스구이]의 최근 1년간 평균섭취빈도', 'FA_R_DUCK': '[오리고기 로스구이]의 1회 평균섭취량', 'FF_MACKER': '[고등어, 꽁치(구이, 조림)]의 최근 1년간 평균섭취빈도', 'FA_MACKER': '[고등어, 꽁치(구이, 조림)]의 1회 평균섭취량', 'FF_HAIRT': '[갈치, 조기(구이, 조림)]의 최근 1년간 평균섭취빈도', 'FA_HAIRT': '[갈치, 조기(구이, 조림)]의 1회 평균섭취량', 'FF_ANCH': '[멸치, 멸치볶음]의 최근 1년간 평균섭취빈도', 'FA_ANCH': '[멸치, 멸치볶음]의 1회 평균섭취량', 'FF_SQUID': '[오징어, 오징어채, 마른 오징어]의 최근 1년간 평균섭취빈도', 'FA_SQUID': '[오징어, 오징어채, 마른 오징어]의 1회 평균섭취량', 'FF_SCRAB': '[게장]의 최근 1년간 평균섭취빈도', 'FA_SCRAB': '[게장]의 1회 평균섭취량', 'FF_SFISH': '[새우젓, 오징어젓, 조개젓]의 최근 1년간 평균섭취빈도', 'FA_SFISH': '[새우젓, 오징어젓, 조개젓]의 1회 평균섭취량', 'FF_FPASTE': '[어묵(볶음, 국)]의 최근 1년간 평균섭취빈도', 'FA_FPASTE': '[어묵(볶음, 국)]의 1회 평균섭취량', 'FF_SPROU': '[콩나물(무침, 국), 숙주나물]의 최근 1년간 평균섭취빈도', 'FA_SPROU': '[콩나물(무침, 국), 숙주나물]의 1회 평균섭취량', 'FF_SPINAC': '[시금치나물]의 최근 1년간 평균섭취빈도', 'FA_SPINAC': '[시금치나물]의 1회 평균섭취량', 'FF_BELLFI': '[도라지(생채, 나물)]의 최근 1년간 평균섭취빈도', 'FA_BELLFI': '[도라지(생채, 나물)]의 1회 평균섭취량', 'FF_PUMPKI': '[호박(나물, 전)]의 최근 1년간 평균섭취빈도', 'FA_PUMPKI': '[호박(나물, 전)]의 1회 평균섭취량', 'FF_OVEG': '[기타 나물]의 최근 1년간 평균섭취빈도', 'FA_OVEG': '[기타 나물]의 1회 평균섭취량', 'FF_CUCUMB': '[오이(생채, 생오이)]의 최근 1년간 평균섭취빈도', 'FA_CUCUMB': '[오이(생채, 생오이)]의 1회 평균섭취량', 'FF_RADI': '[무(생채,단무지,무말랭이)]의 최근 1년간 평균섭취빈도', 'FA_RADI': '[무(생채,단무지,무말랭이)]의 1회 평균섭취량', 'FF_VSALAD': '[채소샐러드]의 최근 1년간 평균섭취빈도', 'FA_VSALAD': '[채소샐러드]의 1회 평균섭취량', 'FF_GREENO': '[파무침, 부추무침]의 최근 1년간 평균섭취빈도', 'FA_GREENO': '[파무침, 부추무침]의 1회 평균섭취량', 'FF_RAWVEG': '[쌈채소, 풋고추]의 최근 1년간 평균섭취빈도', 'FA_RAWVEG': '[쌈채소, 풋고추]의 1회 평균섭취량', 'FF_BROCOL': '[삶은 브로콜리, 삶은 양배추]의 최근 1년간 평균섭취빈도', 'FA_BROCOL': '[삶은 브로콜리, 삶은 양배추]의 1회 평균섭취량', 'FF_GARLIC': '[마늘]의 최근 1년간 평균섭취빈도', 'FA_GARLIC': '[마늘]의 1회 평균섭취량', 'FF_FER_BN': '[쌈장(고추장, 된장, 혼합장), 초고추장]의 최근 1년간 평균섭취빈도', 'FA_FER_BN': '[쌈장(고추장, 된장, 혼합장), 초고추장]의 1회 평균섭취량', 'FF_KIMCHI': '[배추김치]의 최근 1년간 평균섭취빈도', 'FA_KIMCHI': '[배추김치]의 1회 평균섭취량', 'FF_OKIMCH': '[기타김치, 겉절이]의 최근 1년간 평균섭취빈도', 'FA_OKIMCH': '[기타김치, 겉절이]의 1회 평균섭취량', 'FF_SVEG': '[장아찌, 오이피클]의 최근 1년간 평균섭취빈도', 'FA_SVEG': '[장아찌, 오이피클]의 1회 평균섭취량', 'FF_ROOT': '[연근조림, 우엉조림]의 최근 1년간 평균섭취빈도', 'FA_ROOT': '[연근조림, 우엉조림]의 1회 평균섭취량', 'FF_PCAKE': '[부침개류(부추전, 김치전 등)]의 최근 1년간 평균섭취빈도', 'FA_PCAKE': '[부침개류(부추전, 김치전 등)]의 1회 평균섭취량', 'FF_F_VEG': '[잡채]의 최근 1년간 평균섭취빈도', 'FA_F_VEG': '[잡채]의 1회 평균섭취량', 'FF_MUSHRO': '[버섯볶음]의 최근 1년간 평균섭취빈도', 'FA_MUSHRO': '[버섯볶음]의 1회 평균섭취량', 'FF_LAV': '[김구이, 생김, 김무침]의 최근 1년간 평균섭취빈도', 'FA_LAV': '[김구이, 생김, 김무침]의 1회 평균섭취량', 'FF_GLAV': '[파래무침, 미역초무침]의 최근 1년간 평균섭취빈도', 'FA_GLAV': '[파래무침, 미역초무침]의 1회 평균섭취량', 'FF_F_SWED': '[미역줄기볶음]의 최근 1년간 평균섭취빈도', 'FA_F_SWED': '[미역줄기볶음]의 1회 평균섭취량', 'FF_F_POTA': '[감자볶음, 감자조림]의 최근 1년간 평균섭취빈도', 'FA_F_POTA': '[감자볶음, 감자조림]의 1회 평균섭취량', 'FF_S_POTA': '[찐감자, 군감자]의 최근 1년간 평균섭취빈도', 'FA_S_POTA': '[찐감자, 군감자]의 1회 평균섭취량', 'FF_SWPOTA': '[찐고구마, 군고구마]의 최근 1년간 평균섭취빈도', 'FA_SWPOTA': '[찐고구마, 군고구마]의 1회 평균섭취량', 'FF_CORN': '[찐옥수수, 군옥수수]의 최근 1년간 평균섭취빈도', 'FA_CORN': '[찐옥수수, 군옥수수]의 1회 평균섭취량', 'FF_MILK': '[우유(일반, 저지방)]의 최근 1년간 평균섭취빈도', 'FA_MILK': '[우유(일반, 저지방)]의 1회 평균섭취량', 'FS_MILK': '주로 섭취하는 우유 종류', 'FF_L_YOGU': '[액상요구르트]의 최근 1년간 평균섭취빈도', 'FA_L_YOGU': '[액상요구르트]의 1회 평균섭취량', 'FF_C_YOGU': '[호상요구르트(떠먹는 요구르트)]의 최근 1년간 평균섭취빈도', 'FA_C_YOGU': '[호상요구르트(떠먹는 요구르트)]의1회 평균섭취량', 'FF_BN_MILK': '[두유]의 최근 1년간 평균섭취빈도', 'FA_BN_MILK': '[두유]의 1회 평균섭취량', 'FS_FRUIT': '[과일 전체]의 최근 1년간 평균섭취빈도', 'FS_STRAW': '[딸기]의 섭취기간', 'FF_STRAW': '[딸기]의 섭취기간 동안의 평균섭취빈도', 'FF_STRAW_YR': '[딸기]의 최근 1년간 평균섭취빈도', 'FA_STRAW': '[딸기]의 1회 평균섭취량', 'FS_TOMATO': '[토마토, 방울토마토]의 섭취기간', 'FF_TOMATO': '[토마토, 방울토마토]의 섭취기간 동안의 평균섭취빈도', 'FF_TOMATO_YR': '[토마토, 방울토마토]의 1년 최근 1년간 평균섭취빈도', 'FA_TOMATO': '[토마토, 방울토마토]의 1회 평균섭취량', 'FS_MMELON': '[참외]의 섭취기간', 'FF_MMELON': '[참외]의 섭취기간 동안의 평균섭취빈도', 'FF_MMELON_YR': '[참외]의 최근 1년간 평균섭취빈도', 'FA_MMELON': '[참외]의 1회 평균섭취량', 'FS_WMELON': '[수박]의 섭취기간', 'FF_WMELON': '[수박]의 섭취기간 동안의 평균섭취빈도', 'FF_WMELON_YR': '[수박]의 최근 1년간 평균섭취빈도', 'FA_WMELON': '[수박]의 1회 평균섭취량', 'FS_PEACH': '[복숭아]의 섭취기간', 'FF_PEACH': '[복숭아]의 섭취기간 동안의 평균섭취빈도', 'FF_PEACH_YR': '[복숭아]의 최근 1년간 평균섭취빈도', 'FA_PEACH': '[복숭아]의 1회 평균섭취량', 'FS_GRAPE': '[포도]의 섭취기간', 'FF_GRAPE': '[포도]의 섭취기간 동안의 평균섭취빈도', 'FF_GRAPE_YR': '[포도]의 최근 1년간 평균섭취빈도', 'FA_GRAPE': '[포도]의 1회 평균섭취량', 'FS_APPLE': '[사과]의 섭취기간', 'FF_APPLE': '[사과]의 섭취기간 동안의 평균섭취빈도', 'FF_APPLE_YR': '[사과]의 최근 1년간 평균섭취빈도', 'FA_APPLE': '[사과]의 1회 평균섭취량', 'FS_PEAR': '[배]의 섭취기간', 'FF_PEAR': '[배]의 섭취기간 동안의 평균섭취빈도', 'FF_PEAR_YR': '[배]의 최근 1년간 평균섭취빈도', 'FA_PEAR': '[배]의 1회 평균섭취량', 'FS_PERS': '[감, 곶감]의 섭취기간', 'FF_PERS': '[감, 곶감]의 섭취기간 동안의 평균섭취빈도', 'FF_PERS_YR': '[감, 곶감]의 최근 1년간 평균섭취빈도', 'FA_PERS': '[감, 곶감]의 1회 평균섭취량', 'FS_TANG': '[귤]의 섭취기간', 'FF_TANG': '[귤]의 섭취기간 동안의 평균섭취빈도', 'FF_TANG_YR': '[귤]의 최근 1년간 평균섭취빈도', 'FA_TANG': '[귤]의 1회 평균섭취량', 'FS_BANANA': '[바나나]의 섭취기간', 'FF_BANANA': '[바나나]의 섭취기간 동안의 평균섭취빈도', 'FF_BANANA_YR': '[바나나]의 최근 1년간 평균섭취빈도', 'FA_BANANA': '[바나나]의 1회 평균섭취량', 'FS_CITRUS': '[오렌지]의 섭취기간', 'FF_CITRUS': '[오렌지]의 섭취기간 동안의 평균섭취빈도', 'FF_CITRUS_YR': '[오렌지]의 최근 1년간 평균섭취빈도', 'FA_CITRUS': '[오렌지]의 1회 평균섭취량', 'FS_KIWI': '[키위]의 섭취기간', 'FF_KIWI': '[키위]의 섭취기간 동안의 평균섭취빈도', 'FF_KIWI_YR': '[키위]의 최근 1년간 평균섭취빈도', 'FA_KIWI': '[키위]의 1회 평균섭취량', 'FF_COFFEE': '[커피]의 최근 1년간 평균섭취빈도', 'FA_COFFEE': '[커피]의 1회 평균섭취량', 'FS_COFFEE': '[커피]의 하루 3회 초과 섭취 시 하루 평균 섭취 횟수', 'FF_CREAM': '[프림]의 최근 1년간 평균섭취빈도', 'FA_CREAM': '[프림]의 1회 평균섭취량', 'FF_SUGAR': '[설탕]의 최근 1년간 평균섭취빈도', 'FA_SUGAR': '[설탕]의 1회 평균섭취량', 'FF_TEA': '[녹차]의 최근 1년간 평균섭취빈도', 'FA_TEA': '[녹차]의 1회 평균섭취량', 'FF_SODA': '[탄산음료(콜라, 사이다, 과일탄산음료)]의 최근 1년간 평균섭취빈도', 'FA_SODA': '[탄산음료(콜라, 사이다, 과일탄산음료)]의 1회 평균섭취량', 'FF_FJUICE': '[과일주스]의 최근 1년간 평균섭취빈도', 'FA_FJUICE': '[과일주스]의 1회 평균섭취량', 'FF_GBAVER': '[미숫가루음료, 식혜]의 최근 1년간 평균섭취빈도', 'FA_GBAVER': '[미숫가루음료, 식혜]의 1회 평균섭취량', 'FF_SNACK': '[스넥과자]의 최근 1년간 평균섭취빈도', 'FA_SNACK': '[스넥과자]의 1회 평균섭취량', 'FF_COOKIE': '[쿠키, 크래커]의 최근 1년간 평균섭취빈도', 'FA_COOKIE': '[쿠키, 크래커]의 1회 평균섭취량', 'FF_CHOCO': '[초콜릿]의 최근 1년간 평균섭취빈도', 'FA_CHOCO': '[초콜릿]의 1회 평균섭취량', 'FF_ICECM': '[아이스크림, 빙과류]의 최근 1년간 평균섭취빈도', 'FA_ICECM': '[아이스크림, 빙과류]의 1회 평균섭취량', 'FF_PEANUT': '[땅콩]의 최근 1년간 평균섭취빈도', 'FA_PEANUT': '[땅콩]의 1회 평균섭취량', 'FF_CHNUT': '[밤]의 최근 1년간 평균섭취빈도', 'FA_CHNUT': '[밤]의 1회 평균섭취량', 'FF_SOJU': '[소주]의 최근 1년간 평균섭취빈도', 'FA_SOJU': '[소주]의 1회 평균섭취량', 'FS_SOJU': '[소주]의 1회 섭취량이 1병 초과인 경우 섭취량', 'FF_BEER': '[맥주]의 최근 1년간 평균섭취빈도', 'FA_BEER': '[맥주]의 1회 평균섭취량', 'FS_BEER': '[맥주]의 1회 섭취량이 2컵 초과인 경우 섭취량', 'FF_RWINE': '[막걸리]의 최근 1년간 평균섭취빈도', 'FA_RWINE': '[막걸리]의 1회 평균섭취량', 'FS_RWINE': '[막걸리]의 1회 섭취량이 2사발 초과인 경우 섭취량', 'FQ_RICE': '[쌀밥]의 주당섭취빈도', 'FQ_BARLEY': '[잡곡밥]의 주당섭취빈도', 'FQ_BIBIM': '[비빔밥, 볶음밥]의 주당섭취빈도', 'FQ_GIMBAB': '[김밥]의 주당섭취빈도', 'FQ_CURRY': '[카레라이스]의 주당섭취빈도', 'FQ_INSTNO': '[라면, 컵라면]의 주당섭취빈도', 'FQ_WHNO': '[국수, 칼국수, 우동]의 주당섭취빈도', 'FQ_CHNO': '[짜장면, 짬뽕]의 주당섭취빈도', 'FQ_BUNO': '[냉면]의 주당섭취빈도', 'FQ_S_RCAK': '[떡국]의 주당섭취빈도', 'FQ_DUMP': '[만두]의 주당섭취빈도', 'FQ_BRE': '[식빵]의 주당섭취빈도', 'FQ_BUTTER': '[버터, 마아가린]의 주당섭취빈도', 'FQ_JAM': '[잼]의 주당섭취빈도', 'FQ_RB_BRE': '[단팥빵, 호빵, 크림빵]의 주당섭취빈도', 'FQ_CAKE': '[카스테라, 케이크, 초코파이]의 주당섭취빈도', 'FQ_PIZZA': '[피자]의 주당섭취빈도', 'FQ_HAMBER': '[햄버거, 샌드위치]의 주당섭취빈도', 'FQ_RCAK': '[백설기, 시루떡, 인절미, 절편]의 주당섭취빈도', 'FQ_F_RCAK': '[떡볶이]의 주당섭취빈도', 'FQ_CEREAL': '[시리얼]의 주당섭취빈도', 'FQ_T_BEEF': '[설렁탕, 곰탕, 사골국]의 주당섭취빈도', 'FQ_T_POTA': '[감자탕]의 주당섭취빈도', 'FQ_T_LOAC': '[추어탕]의 주당섭취빈도', 'FQ_J_POLL': '[동태찌개, 해물매운탕]의 주당섭취빈도', 'FQ_S_SWED': '[미역국]의 주당섭취빈도', 'FQ_S_BEEF': '[쇠고기국, 육개장, 무국]의 주당섭취빈도', 'FQ_S_POLL': '[북어국]의 주당섭취빈도', 'FQ_S_SOYP': '[된장국]의 주당섭취빈도', 'FQ_J_SOYP': '[된장찌개, 청국장찌개]의 주당섭취빈도', 'FQ_J_KIMC': '[김치찌개, 김치볶음]의 주당섭취빈도', 'FQ_J_BUDA': '[부대찌개]의 주당섭취빈도', 'FQ_J_BNCD': '[두부찌개, 순두부찌개]의 주당섭취빈도', 'FQ_BNCURD': '[두부, 두부조림, 두부부침]의 주당섭취빈도', 'FQ_S_BEAN': '[콩조림]의 주당섭취빈도', 'FQ_F_EGG': '[달걀후라이, 달걀말이]의 주당섭취빈도', 'FQ_S_EGG': '[삶은 달걀, 달걀찜]의 주당섭취빈도', 'FQ_R_PORK': '[돼지고기 삼겹살구이]의 주당섭취빈도', 'FQ_S_PORK': '[돼지고기 삶은고기(수육,보쌈)]의 주당섭취빈도', 'FQ_F_PORK': '[제육볶음, 돼지불고기, 돼지갈비구이]의 주당섭취빈도', 'FQ_C_PORK': '[돼지고기 탕수육, 돈까스]의 주당섭취빈도', 'FQ_R_BEEF': '[쇠고기 생고기구이]의 주당섭취빈도', 'FQ_F_BEEF': '[쇠고기불고기]의 주당섭취빈도', 'FQ_HAM': '[햄]의 주당섭취빈도', 'FQ_PORKBY': '[순대]의 주당섭취빈도', 'FQ_T_CHIC': '[삼계탕(닭백숙)]의 주당섭취빈도', 'FQ_S_CHIC': '[닭볶음(닭갈비), 닭조림(닭도리탕)]의 주당섭취빈도', 'FQ_F_CHIC': '[치킨(닭튀김)]의 주당섭취빈도', 'FQ_R_DUCK': '[오리고기 로스구이]의 주당섭취빈도', 'FQ_MACKER': '[고등어, 꽁치(구이, 조림)]의 주당섭취빈도', 'FQ_HAIRT': '[갈치, 조기(구이, 조림)]의 주당섭취빈도', 'FQ_ANCH': '[멸치, 멸치볶음]의 주당섭취빈도', 'FQ_SQUID': '[오징어, 오징어채, 마른 오징어]의 주당섭취빈도', 'FQ_SCRAB': '[게장]의 주당섭취빈도', 'FQ_SFISH': '[새우젓, 오징어젓, 조개젓]의 주당섭취빈도', 'FQ_FPASTE': '[어묵(볶음, 국)]의 주당섭취빈도', 'FQ_SPROU': '[콩나물(무침, 국), 숙주나물]의 주당섭취빈도', 'FQ_SPINAC': '[시금치나물]의 주당섭취빈도', 'FQ_BELLFI': '[도라지(생채, 나물)]의 주당섭취빈도', 'FQ_PUMPKI': '[호박(나물, 전)]의 주당섭취빈도', 'FQ_OVEG': '[기타 나물]의 주당섭취빈도', 'FQ_CUCUMB': '[오이(생채, 생오이)]의 주당섭취빈도', 'FQ_RADI': '[무(생채, 단무지, 무말랭이)]의 주당섭취빈도', 'FQ_VSALAD': '[채소샐러드]의 주당섭취빈도', 'FQ_GREENO': '[파무침, 부추무침]의 주당섭취빈도', 'FQ_RAWVEG': '[쌈채소, 풋고추]의 주당섭취빈도', 'FQ_BROCOL': '[삶은 브로콜리, 삶은 양배추]의 주당섭취빈도', 'FQ_GARLIC': '[마늘]의 주당섭취빈도', 'FQ_FER_BN': '[쌈장(고추장, 된장, 혼합장), 초고추장]의 주당섭취빈도', 'FQ_KIMCHI': '[배추김치]의 주당섭취빈도', 'FQ_OKIMCH': '[기타김치, 겉절이]의 주당섭취빈도', 'FQ_SVEG': '[장아찌, 오이피클]의 주당섭취빈도', 'FQ_ROOT': '[연근조림, 우엉조림]의 주당섭취빈도', 'FQ_PCAKE': '[부침개류(부추전, 김치전 등)]의 주당섭취빈도', 'FQ_F_VEG': '[잡채]의 주당섭취빈도', 'FQ_MUSHRO': '[버섯볶음]의 주당섭취빈도', 'FQ_LAV': '[김구이, 생김, 김무침]의 주당섭취빈도', 'FQ_GLAV': '[파래무침, 미역초무침]의 주당섭취빈도', 'FQ_F_SWED': '[미역줄기볶음]의 주당섭취빈도', 'FQ_F_POTA': '[감자볶음, 감자조림]의 주당섭취빈도', 'FQ_S_POTA': '[찐감자, 군감자]의 주당섭취빈도', 'FQ_SWPOTA': '[찐고구마, 군고구마]의 주당섭취빈도', 'FQ_CORN': '[찐옥수수, 군옥수수]의 주당섭취빈도', 'FQ_MILK': '[우유(일반, 저지방)]의 주당섭취빈도', 'FQ_L_YOGU': '[액상요구르트]의 주당섭취빈도', 'FQ_C_YOGU': '[호상요구르트(떠먹는 요구르트)]의 주당섭취빈도', 'FQ_BN_MILK': '[두유]의 주당섭취빈도', 'FQ_STRAW': '[딸기]의 주당섭취빈도', 'FQ_TOMATO': '[토마토, 방울토마토]의 주당섭취빈도', 'FQ_MMELON': '[참외]의 주당섭취빈도', 'FQ_WMELON': '[수박]의 주당섭취빈도', 'FQ_PEACH': '[복숭아]의 주당섭취빈도', 'FQ_GRAPE': '[포도]의 주당섭취빈도', 'FQ_APPLE': '[사과]의 주당섭취빈도', 'FQ_PEAR': '[배]의 주당섭취빈도', 'FQ_PERS': '[감, 곶감]의 주당섭취빈도', 'FQ_TANG': '[귤]의 주당섭취빈도', 'FQ_BANANA': '[바나나]의 주당섭취빈도', 'FQ_CITRUS': '[오렌지]의 주당섭취빈도', 'FQ_KIWI': '[키위]의 주당섭취빈도', 'FQ_COFFEE': '[커피]의 주당섭취빈도', 'FQ_CREAM': '[프림]의 주당섭취빈도', 'FQ_SUGAR': '[설탕]의 주당섭취빈도', 'FQ_TEA': '[녹차]의 주당섭취빈도', 'FQ_SODA': '[탄산음료(콜라, 사이다, 과일탄산음료)]의 주당섭취빈도', 'FQ_FJUICE': '[과일주스]의 주당섭취빈도', 'FQ_GBAVER': '[미숫가루음료, 식혜]의 주당섭취빈도', 'FQ_SNACK': '[스넥과자]의 주당섭취빈도', 'FQ_COOKIE': '[쿠키, 크래커]의 주당섭취빈도', 'FQ_CHOCO': '[초콜릿]의 주당섭취빈도', 'FQ_ICECM': '[아이스크림, 빙과류]의 주당섭취빈도', 'FQ_PEANUT': '[땅콩]의 주당섭취빈도', 'FQ_CHNUT': '[밤]의 주당섭취빈도', 'FQ_SOJU': '[소주]의 주당섭취빈도', 'FQ_BEER': '[맥주]의 주당섭취빈도', 'FQ_RWINE': '[막걸리]의 주당섭취빈도', 'FQ_EN': '1일 에너지 섭취량(식품섭취빈도조사)', 'FQ_PROT': '1일 단백질 섭취량(식품섭취빈도조사)', 'FQ_FAT': '1일 지방 섭취량(식품섭취빈도조사)', 'FQ_SFA': '1일 포화지방산 섭취량(식품섭취빈도조사)', 'FQ_MUFA': '1일 단일불포화지방산 섭취량(식품섭취빈도조사)', 'FQ_PUFA': '1일 다가불포화지방산 섭취량(식품섭취빈도조사)', 'FQ_N3': '1일 n-3계 지방산 섭취량(식품섭취빈도조사)', 'FQ_N6': '1일 n-6계 지방산 섭취량(식품섭취빈도조사)', 'FQ_CHOL': '1일 콜레스테롤 섭취량(식품섭취빈도조사)', 'FQ_CHO': '1일 탄소화물 섭취량(식품섭취빈도조사)', 'FQ_TDF': '1일 식이섬유 섭취량(식품섭취빈도조사)', 'FQ_CA': '1일 칼슘 섭취량(식품섭취빈도조사)', 'FQ_PHOS': '1일 인 섭취량(식품섭취빈도조사)', 'FQ_FE': '1일 철 섭취량(식품섭취빈도조사)', 'FQ_NA': '1일 나트륨 섭취량(식품섭취빈도조사)', 'FQ_K': '1일 칼륨 섭취량(식품섭취빈도조사)', 'FQ_VA': '1일 비타민A 섭취량(식품섭취빈도조사)', 'FQ_RETIN': '1일 레티놀 섭취량(식품섭취빈도조사)', 'FQ_CAROT': '1일 카로틴 섭취량(식품섭취빈도조사)', 'FQ_B1': '1일 티아민 섭취량(식품섭취빈도조사)', 'FQ_B2': '1일 리보플라빈 섭취량(식품섭취빈도조사)', 'FQ_NIAC': '1일 나이아신 섭취량(식품섭취빈도조사)', 'FQ_VITC': '1일 비타민C 섭취량(식품섭취빈도조사)'}
7550
436
None
UTF-8

Setup Information

How did you install pyreadstat?

$ pip install pyreadstat

Platform (windows, macOS, linux, 32 or 64 bit)

$ uname -a
Linux 787b731f6b23 4.14.137+ #1 SMP Thu Aug 8 02:47:02 PDT 2019 x86_64 x86_64 x86_64 GNU/Linux

$ cat /etc/os-release
NAME="Ubuntu"
VERSION="18.04.3 LTS (Bionic Beaver)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 18.04.3 LTS"
VERSION_ID="18.04"
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
VERSION_CODENAME=bionic
UBUNTU_CODENAME=bionic

Python Version

$ python --version
Python 3.6.8

Python Distribution (System, plain python, Anaconda)

Google Colab, I think it would be "System".

Using Virtualenv or condaenv?

No.

Support compressed SAS file

Is there a plan to add support for compressed sas file? Thanks.

write_xport creates empty SAS V5 export file

SPSS export works;
%utl_submit_py64_37("
import pandas as pd;
import pyreadstat;
df = pd.DataFrame([[1,1],[2,2],[1,3]], columns=['mylabl', 'myord']);
variable_value_labels = {'mylabl': {1: 'Male', 2: 'Female'}, 'myord': {1: 'low', 2: 'medium', 3: 'high'}};
path = 'd:/sav/somefile.sav';
pyreadstat.write_sav(df, path, variable_value_labels=variable_value_labels);
");

proc import out=work.want
datafile='d:/sav/somefile.sav'
dbms=SAV replace;
run;quit;

Up to 40 obs from WANT total obs=3

Obs MYLABL MYORD

1 1 1
2 2 2
3 1 3

BUT WRITE_XPORT DOES NOT. (same result from python XPORT 2.02 package)

Produces empty SAS dataset?

I am using Microsoft Visual C++ Redistributable(x64) 2015
Later versions do not seem to work with feather?)

%utl_submit_py64_37('
import pandas as pd;
import pyreadstat as pyr;
df = pd.DataFrame([[1,1],[2,2],[1,3]], columns=["mylabl", "myord"]);
pyr.write_xport(df, "d:/xpt/df.xpt");
');

EMPTY dataset

libname xpt xport "d:/xpt/df.xpt";
proc contents data=xpt.all;
run;quit;
data want;
set xpt.df;
run;quit;
libname xpt clear;

Data Set Name XPT.DATASET Observations . ******** ISSUE ****
Member Type DATA Variables 2
Engine XPORT Indexes 0
Created 09/10/2019 07:09:29 Observation Length 16
Last Modified 09/10/2019 07:09:29 Deleted Observations 0
Protection Compressed NO
Data Set Type Sorted NO
Label
Data Representation Default
Encoding Default

Alphabetic List of Variables and Attributes

Variable Type Len

1 MYLABL Num 8
1 MYORD Num 8

180 data want;
181 set xpt.df;
ERROR: File XPT.DF.DATA does not exist.
182 run;

NOTE: The SAS System stopped processing this step because of errors.
WARNING: The data set WORK.WANT may be incomplete. When this step was stopped there were 0 observations and 0 variables.
WARNING: Data set WORK.WANT was not replaced because this step was stopped.

Symbol not found: _libiconv

@ofajardo thanks for working on this!
I have been trying to make it work in a conda environment with pyton3.5 on two separate OSX systems and I always get the same error. I also tried installing in the homebrew version of python with similar results. I tried the simple pip install, also from Github, compiling from scratch...nothing. Any ideas what it could be? I do see libiconv in the conda list.

import pyreadstat
---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-1-95ad4ef9013f> in <module>()
----> 1 import pyreadstat

~/Anaconda3/envs/GeoPython3env/lib/python3.5/site-packages/pyreadstat/__init__.py in <module>()
----> 1 from .pyreadstat import read_sas7bdat, read_xport, read_dta, read_sav, read_por, read_sas7bcat
      2 from .pyreadstat import set_value_labels, set_catalog_to_sas
      3 from ._readstat_parser import ReadstatError, metadata_container

ImportError: dlopen(/Users/user/Anaconda3/envs/GeoPython3env/lib/python3.5/site-packages/pyreadstat/pyreadstat.cpython-35m-darwin.so, 2): Symbol not found: _libiconv
  Referenced from: /Users/user/Anaconda3/envs/GeoPython3env/lib/python3.5/site-packages/pyreadstat/pyreadstat.cpython-35m-darwin.so
  Expected in: flat namespace
 in /Users/user/Anaconda3/envs/GeoPython3env/lib/python3.5/site-packages/pyreadstat/pyreadstat.cpython-35m-darwin.so

File written by pyreadstat cannot be removed with os.remove on windows

On windows, after writing a file (so it's closed), the file looks good and it is possible to delete it from windows file explorer. However if trying to remove from python with os.remove, it raises an error:

PermissionError: [WinError 5] Access is denied

Permissions on windows again look good, but if looking at the permissions with python like this:

oct(os.stat("test.txt")[ST_MODE])[-3:]

you get: 444, while in WSL you get -r-xr-xr-x

doing os.chmod(file_path, stat.S_IRWXU) makes it possible to delete it, but should this file be writable/deletable from the beginning?

read spss file from github

This is not working:

import pandas as pd
import pyreadstat
pd.read_spss('https://github.com/UWDataScience2020/data/raw/master/hsb_ok.sav')

Is it possible?

Multiprocessing: Unable to open file

Describe the issue
Try to use the new module read_file_multiprocessing for the sample.sav and im getting "ReadstatError: Unable to open file"

Error:

To Reproduce:
import pandas as pd
import pyreadstat

df, meta = pyreadstat.read_file_multiprocessing(pyreadstat.read_sav,'C:/Users/wuttk/Downloads/sample.sav')

(df, meta = pyreadstat.pyreadstat.read_sav('C:/Users/wuttk/Downloads/sample.sav') <-- is working fine, )

File example
sample.sav from the test repo

Setup Information:
How did you install pyreadstat? (directly from repo)
Platform (windows 64 bit)
Python Version (3.7)
Python Distribution (Anaconda)
Using condaenv?

pyreadstat._readstat_parser.ReadstatError: Unable to convert string to the requested encoding (invalid byte sequence)

Describe the issue

I am currently reading the SAV file, but I have encountered a problem with the encoding format of the file and it cannot be read. The file contains Chinese characters, but I tried the GBK format, but it still doesn't work. There were also files with Chinese characters before, but they all worked normally, but this file does not work. Could you help me see what the problem is?
I tried to read the source code, but I don't know how to debug it. I will attach the file later.

To Reproduce

Python code
pyreadstat.read_sav("test1.sav")

File example

test1.zip

Expected behavior

Can read the file normally, or how to solve the encoding problem

Setup Information:
How did you install pyreadstat? conda
Platform (windows)
Python Version 3.7.6
Python Distribution (Anaconda)
Using Virtualenv or condaenv? condaenv

UnicodeDecodeError when reading value labels

Thanks for the great library! I'm running into a UnicodeDecodeError when reading a catalog file. I tried reading the catalog separately per the instructions to try and isolate the problem. I tried switching the encoding to 'latin1' and 'windows-1252' but the error seems unchanged as a result. Looking through run_readstat_parser

pyreadstat/pyreadstat/_readstat_parser.pyx

Lines 547 to 561 in 6e90e91

    
           value_label_handler = <readstat_value_label_handler> handle_value_label 
        
           note_handler = <readstat_note_handler> handle_note 
        
           retcode = readstat_set_metadata_handler(parser, metadata_handler) 
        
           retcode = readstat_set_variable_handler(parser, variable_handler) 
        
           retcode = readstat_set_value_label_handler(parser, value_label_handler) 
        
           retcode = readstat_set_note_handler(parser, note_handler) 
        
           if not metaonly: 
        
               retcode = readstat_set_value_handler(parser, value_handler) 
        
           # if the user set the encoding manually 
        
           if data.user_encoding: 
        
               encoding_bytes = data.user_encoding.encode("utf-8") 
        
               readstat_set_file_character_encoding(parser, <char *> encoding_bytes)

it looks like the encoding is set after handle_value_label is called? Is this a bug? Is there any workaround to this? Thanks!

---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
<ipython-input-9-3ded1d336483> in <module>()
----> 1 df_empty, catalog = pyreadstat.read_sas7bcat('formats.sas7bcat', encoding='windows-1252')

pyreadstat/pyreadstat.pyx in pyreadstat.pyreadstat.read_sas7bcat()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.run_conversion()

pyreadstat/_readstat_parser.pyx in pyreadstat._readstat_parser.handle_value_label()

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb0 in position 35: invalid start byte

P.S.
I tried forking the repo and moving the encoding part of the code before the call to handle_value_label but it didn't seem to help 😢 unfortunately:

https://github.com/mdbecker/pyreadstat/blob/cd64eef89ce328a3fb717f1e9675c4b9792c3b89/pyreadstat/_readstat_parser.pyx#L550-L560

Building with MSVC

hi,

i just found your library, and i've done something similar. however, i do have a patch for getting readstat to build with MSVC if you want to pillage:

jonathon-love/ReadStat@baba3b9

(i went down the same path of trying to get it to build with mingw, but gave up :P)

jonathon

international chars in file paths on windows

just a heads up, i think your current code won't work if there's international chars in file paths on windows (but maybe you've handled somewhere i haven't looked).

i had to use the open_handler() to get it to work in jamovi-readstat:

https://github.com/jamovi/jamovi-readstat/blob/master/jamovi/readstat.pyx#L21-L35
https://github.com/jamovi/jamovi-readstat/blob/master/jamovi/readstat.pxd#L386-L410

cheers

Recommend Projects

React

A declarative, efficient, and flexible JavaScript library for building user interfaces.
Vue.js

🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
Typescript

TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
TensorFlow

An Open Source Machine Learning Framework for Everyone
Django

The Web framework for perfectionists with deadlines.
Laravel

A PHP framework for web artisans
D3

Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

javascript

JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
web

Some thing interesting about web. New door for the world.
server

A server is a program made to process requests and deliver data to clients.
Machine learning

Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Visualization

Some thing interesting about visualization, use data art
Game

Some thing interesting about game, make everyone happy.

Recommend Org

Facebook

We are working to build community through open source technology. NB: members must have two-factor auth.
Microsoft

Open source projects and samples from Microsoft.
Google

Google ❤️ Open Source for everyone.
Alibaba

Alibaba Open Source for everyone
D3

Data-Driven Documents codes.
Tencent

China tencent open source team.

	value_label_handler = <readstat_value_label_handler> handle_value_label
	note_handler = <readstat_note_handler> handle_note


	retcode = readstat_set_metadata_handler(parser, metadata_handler)
	retcode = readstat_set_variable_handler(parser, variable_handler)
	retcode = readstat_set_value_label_handler(parser, value_label_handler)
	retcode = readstat_set_note_handler(parser, note_handler)
	if not metaonly:
	retcode = readstat_set_value_handler(parser, value_handler)

	# if the user set the encoding manually
	if data.user_encoding:
	encoding_bytes = data.user_encoding.encode("utf-8")
	readstat_set_file_character_encoding(parser, <char *> encoding_bytes)