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

90.53%

  • Python

    7899questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • pandas

    575questions

    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。

テキストデータから簡便にDataFrameを生成する方法

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 151

KojiDoi

R総合1位

 前提・実現したいこと

web上でエクセルのスプレッドシート的に示されたデータをコピペして、ちょっとしたプログラムを試してみたいことがあります。そこで、python, pandasにおいてプレインテキストデータから簡便にDataFrameを作成する方法を探しています。

データは例えばこんなやつですね:

A B C
 10  20  30
 20  40  80

R言語にはread.table関数というのがあり、次のようにして簡単にデータフレームを得ることができます。

> df1 <- read.table(text="
+ A B C
+ 10 20 30
+ 20 40 80
+ ", header=T)
> df1
   A  B  C
1 10 20 30
2 20 40 80
> 

pythonのPandasにおいて同じようなスタイルで利用できる関数はないのでしょうか?

私が知るところでは、pandas.DataFrameは引数として辞書型を受け取ってDataFrameを生成してくれますが、上記のようにテキストを直接受け付けてはくれません。もちろん、"a":[10, 20], "b":[20, 40] ...などと辞書型オブジェクトを作ってもいいのですが、データの縦横を入れ替えるという作業が必要になりますし、それなりに面倒です。

 試したこと

もちろんsplitを利用することによって相応の関数を作成することはできます。

import pandas as pd

def text2df(t):
  tt = [x for x in t.split("\n")]
  cols = tt[0].split()
  df1 = pd.DataFrame(index=[x for x in range(0,len(tt)-1)], columns=cols)
  for r in range(1, len(tt)):
    ttt = tt[r].split()
    for c in range (0, len(ttt)):
      df1.iloc[r-1, c] = ttt[c] 
  return(df1)


天下のpythonなので、これぐらいのものはもっと遥かにシンプルでスマートな方法がとっくに用意されているんじゃないかと思っています。しかし、私が調べてみた限り見つかりません。

 補足情報(FW/ツールのバージョンなど)

Python 2.x または Python 3.x

  • 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

+3

私も hayataka2049さんと同様に io.StringIO をよく使いますが、ダブルクォートを3つ連ねて複数行の文字列として記述する方が多い気がします。

import io
import pandas as pd

df = pd.read_table(io.StringIO("""
A    B    C
10    20    30
20    40    80
"""))

あとがTAB区切りよりも複数個のスペースで区切った方が個人的に好みです。

PythonのコードにTABをあまり紛れ込ませたくないので。

df = pd.read_csv(io.StringIO("""
A   B   C
10  20  30
20  40  80
"""), delim_whitespace=True
)

その他には、単に2次元リストを使った方が簡単に記述できる場合もありますね

import pandas as pd
df = pd.DataFrame(
    [[10,20,30],
     [20,40,80]],
    columns=['A','B','C'])

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。

  • 2018/06/05 13:25

    まさに期待通りの結果が得られました。ありがとうございます。

    キャンセル

+2

こんな感じで、どうでしょうか?

>>> import io
>>> import pandas as pd
>>> txt = "\
... A    B    C\n\
10     20     30\n\
20     40     80"
... ... >>> 
>>> pd.read_table(io.StringIO(txt))
    A   B   C
0  10  20  30
1  20  40  80

16.2. io — ストリームを扱うコアツール — Python 3.6.5 ドキュメント
pandas.read_table — pandas 0.20.3 documentation

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。

  • 2018/06/05 03:57

    ありがとうございます。独学の悲しさでストリームなるものを認知していなかったし、認知していたとしても本課題と結びつけられたかはかなり疑問です。ただ、できたデータフレームの挙動が微妙に期待と違うような気がするので、もう少し考えさせてください。

    キャンセル

  • 2018/06/05 08:51 編集

    read_tableはデフォルトのセパレータがタブ文字でhayataka2049さんはそれ前提に文字列定数をtabで区切っていると思います。ipythonなどのrepl上だとtab文字が入力しにくいので以下のように半角スペースを区切りに入力すると分かり易いのではないでしょうか?多分KojiDoiさんの目的にマッチする気がします。

    df = pd.read_table(io.StringIO("""
    a b c
    1 2 3
    4 5 6
    """), sep=' ')

    キャンセル

  • 2018/06/05 08:59

    KSwordOfHasteさんのおかげで気づきましたが、teratailの仕様でpython言語を指定すると表示がtab→スペース4つに置換される・・・ごめんなさい>できたデータフレームの挙動が微妙に期待と違うような気がするので
    それはともかく、magichanさん、KSwordOfHasteさんの方法の方が良いです。"""で複数行とか失念していました。

    キャンセル

  • 2018/06/05 09:00

    >>> txt = """a b c
    ... 10 20 30
    ... 40 50 60"""
    >>> pd.read_table(io.StringIO(txt), sep=" ")
    a b c
    0 10 20 30
    1 40 50 60
    >>> txt = """
    ... a b c
    ... 10 20 30
    ... 40 50 60
    ... """
    >>> pd.read_table(io.StringIO(txt), sep=" ")
    a b c
    0 10 20 30
    1 40 50 60
    結果は同じか(pandasのデフォルト設定が賢いってだけですが)

    キャンセル

  • 2018/06/05 13:27

    なるほどtabとスペースの問題でしたか。納得しました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.53%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る

  • Python

    7899questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • pandas

    575questions

    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。