Pandasで、文字列が混在したデータフレームを数値化する方法を教えて頂けませんか
- 評価
- クリップ 0
- VIEW 6,679
Pandasのデータテーブルに、文字列が混ざっています。数値(整数：int)にする方法がうまくいきません。アドバイスを頂けますでしょうか。
やりたいこと
以下、現在のdataflame(以下、df)に対して、
| date | item | sales |
|---|---|---|
| 2018-1-1 | トマト | 983220 |
| 2018-1-1 | りんご | 233320 |
| 2018-1-2 | みかん | 29.1万円 |
| 2018-1-3 | トマト1 | 983220 |
| 2018-1-4 | りんご1 | 233320 |
| 2018-1-5 | ぶどう | 19.1万円 |
sales列の中から、万円の文字を削除し、さらに1000倍して桁数をあわせ、全て整数(int型)に統一したいです。
以下、希望のデータフレームのようにしたいです。
| date | item | sales |
|---|---|---|
| 2018-1-1 | トマト | 983220 |
| 2018-1-1 | りんご | 233320 |
| 2018-1-2 | みかん | 291000 |
| 2018-1-3 | トマト1 | 983220 |
| 2018-1-4 | りんご1 | 233320 |
| 2018-1-5 | ぶどう | 191000 |
試したこと
まず、考えたのは、
- 万円を replace関数で削除する
- 1000倍する(float()と、*1000)
- 数値(整数)にする(int())
そして、これをfor文で繰り返す。
ということです。私が考えたのは、以下のようなコードです。
for i in range(1,len(df['sales'])):
if "万" not in df.loc[i,'sales']:
df.loc[i,'sales'] = int(df.loc[i,'sales'])
else:
df.loc[i,'sales'] = int(float(df.loc[i,'sales'].replace('万',''))*1000)教えて頂きたいこと
1.FOR文、IF文の書き方の誤りについて
上記のコードのうち、最下部の
int(float(df.loc[i,'sales'].replace('万',''))*1000)
をfor文、及びif文を使わずに、1つのセルだけ置換、1000倍、型変換をすると、求める数値が算出できます。しかし、for文やif文を使うとエラーがでてしまいます。for文、if文の誤りをご指摘いただけないでしょうか。
1.FOR文、IF文を使わないスマートな方法を教えていただけませんでしょうか。
いろいろ調べていると、map関数、Lambda式など、もう少しスマートな方法があるようなことを知りました。わたしのやりたいことに照らし合わせると、FOR文やIF文は、相応しくないのでしょうか？アドバイスいただけると幸いです。
環境
Macbook pro
Anaconda
Python 3.6
Jupyter notebook
panas
お忙しいとは思いますが、よろしくお願いいたします。
情報に不足がありましたら、ご指摘くださいませ。
-
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
- 過去に投稿した質問と同じ内容の質問
- 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
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。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
+1
行データ内のsales列を整数の円に換算する関数toYenを用意し
.map(toYen,axis=1)で行毎に適用するとよいです。
import pandas as pd
df = pd.DataFrame({'date':['2018-1-1','2018-1-1'],'item':['tomato','orange'],'sales':['983220','29.1万円']})
print(df)
"""
date item sales
0 2018-1-1 tomato 983220
1 2018-1-1 orange 29.1万円
"""
# salesを整数の円に換算
def toYen(row):
sales = row['sales']
pos = sales.find('万')
if pos < 0:
sales = int(sales)
else:
sales = int(float(sales[:pos]) * 10000) # 「万」の手前までの数値を抽出し１万倍する
row['sales'] = sales
return row
df.apply(toYen,axis=1) # 行毎に処理
print(df)
"""
date item sales
0 2018-1-1 tomato 983220
1 2018-1-1 orange 291000
"""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。
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 88.33%
- 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
2018/11/25 12:24