質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.51%

  • Python 3.x

    9832questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    894questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

Python pandasを使ってバス時刻表をスクレイプする

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 540

pinsong

score 18

 pyhotn3系を使ってバスの時刻表をスクレイプしてcsv形式で出力したい

バスの時刻表を使って最寄りのバス停のバス出発時刻をカウントダウン形式で算出したい。

 発生している問題・エラーメッセージ

該当部分のテーブルをcsvにすることはできたのですが、過密時間帯などはバスの本数が多くcsvで見ると、5.15E+10といった形で出力されます。
これをE+などとすることなくフルで数字を出したいのですがどうすればいいのかわかりません。

 該当のソースコード

import pandas

url="http://www.kanachu.co.jp/dia/diagram/timetable/cs:0000800953-1/nid:00129893/rt:0/k:%E6%B9%98%E5%8D%97%E5%8F%B0%E9%A7%85%E8%A5%BF%E5%8F%A3.html"

fetched_df = pandas.io.html.read_html(url)

print(fetched_df[1])
fetched_df[1].to_csv('output.csv', index=False, encoding="shift_jis")

 試したこと

エンコード設定なしだと文字化けしたのでshift_jisを入れました。
そうしたら、平日、土日、休日の部分は文字化けから治りました。

イメージ説明

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

checkベストアンサー

0

該当部分のテーブルをcsvにすることはできたのですが、過密時間帯などはバスの本数が多くcsvで見ると、5.15E+10といった形で出力されます。
これをE+などとすることなくフルで数字を出したいのですがどうすればいいのかわかりません。

それはpythonコード上でのprint文の結果やExcelなどの表計算ソフトでの見た目だけの問題です。
桁数が多いと自動で指数(E)表示されるようになっています。

CSVファイルをメモ帳などのテキストエディタで開いてみてください。

6,10203040455055,20304050.0,4050.0
7,0005101520304050,1020304050.0,1020304050.0


のようにちゃんと値が入っているのが確認できるかと思います。

追記:
動作未検証ですが、おそらく.read_htmlでは00 30(=0分と30分発)と30(30分発のみ)どちらも30として読み込まれてしまい区別がつかなくなりそうです。
よって先の課題となりますがbeautifulSoupなどを使ってパースする必要がありそうです。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/02/08 14:33

    私も最初そう思ったのですが、例えば7時台は 土曜・日曜共に 00分発のバスがあるようでして、一旦数値化したことによって、そのデータが消えてしまうという問題がありそうです。

    キャンセル

  • 2018/02/08 14:36

    あ、そうなんですか!!
    無知すぎて申し訳ありません。

    まだまだ、開発初期段階また今回のコードがpythonで初めて書いたコードですが回答していただきありがとうございました。

    キャンセル

  • 2018/02/08 14:42

    read_htmlは簡単便利ですが読込時にdtype指定できないようなので後々大変かも。
    ちょっと面倒ですが真面目にbeautifulsoupなどのhtmlパーサを使ったほうが後が楽かもしれません。

    キャンセル

  • 2018/02/08 14:57

    read_htmlは無理筋っぽいですね。

    キャンセル

  • 2018/02/08 15:08

    引数にdtypeがあれば問題ないんですけどね。
    やはりbeautifulsoupで読み込んだ後に pandasにくわせるのが無難そうですね。

    キャンセル

  • 2018/02/08 15:20

    ですね。
    スクレイピングでは元ソースからいかに有用なデータを維持したまま後処理(加工)していくのかが大事なので。

    キャンセル

0

そもそもバスの時刻が指数表記になってしまうのがおかしいですね。本当は"15,30,45"のように分表示が複数併記されていたのが「一つの数値」あつかいになっているのではないですか。すべて文字列として読み込むべきです。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

同じタグがついた質問を見る

  • Python 3.x

    9832questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    894questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。