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

90.12%

pandasでの集計方法について

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 300

xxyyxx

score 34

pandas(python3)を使って、あるcsvファイルからデータを読み込み、
そのデータを編集して標準出力できたらと思っています。

・csvファイル
レコード数150〜300
カラム2

    domain   value 
1     aaa.xxx.co.jp    500.12 
2    bbb.aaa.co.jp    300.44 
3    ccc.xxx.co.jp    30.22 
4    ddd.bbb.co.jp    120.45 
5    eee.ccc.co.jp    20.19 

と、大体元となるデータはこんなイメージです。
domainはすべてユニークなのですが、上の表で"xxx"を含むdomainのvalueを足して集計したいです。
まとめたときに、domainの名前はできればリネームしたいです。

    domain   value 
1     xxx    530.34 
2    bbb.aaa.co.jp    300.44 
3    ddd.bbb.co.jp    120.45 
4    eee.ccc.co.jp    20.19 

調べながらコードをかいているのですが、今回のような場合、どのような集計がシンプルにコードが収まるのでしょうか?
現状として、

DUPLICATE = ['xxx', 'yyy']

# csv読込
df = pd.read_csv('sample.csv')

# 一旦、DUPLICATEにある文字列を含んでいるレコード(domain)をリネームしたい
for n in DUPLICATE:
  for d in df['domain']:
    if n in d:
      df.at[d, 'domain'] = n

こんなところで止まってしまいました。
この出力では、リネームはされますが、元データの追加でindexがdomainで付与されて出力されました。
このコードを書いている時は、特定の単語が含まれているdomainを1つのレコードにまとめ(関数1)、valueを足す(関数2)で考えていました。

上記のようなデータを集計したい場合のもっと効率のよい考え方やコードの一例を可能でしたらご回答頂けたらと思います。
よろしくお願い致します。

  • 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

+2

これでどうでしょうか?

import pandas as pd

df = pd.DataFrame({
    'domain':["aaa.xxx.co.jp","bbb.aaa.co.jp","ccc.xxx.co.jp","ddd.bbb.co.jp","eee.ccc.co.jp"],
    'value':[500.12, 300.44, 30.22, 120.45, 20.19]})


# 'domain列に'特定の単語が含まれている場合リネームする
DUPLICATE = ['xxx', 'yyy']
for n in DUPLICATE:
    df.loc[df.domain.str.contains(n), 'domain'] = n
# 'domain'列にて同じ名前のものはまとめて合計を求める
ret = df.groupby('domain').sum().reset_index()

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。

0

無理やり簡潔にしたバージョン

df=pd.DataFrame({"domain":["xxx","xxx.ssss","aaa","bbbb","ffff"],"value":[530,10,400,12,1222]})
DUPLICATE = ['xxx', 'yyy']
answer={i:df[df['domain'].str.contains('xxx')]["value"].sum(axis=0) for i in DUPLICATE}

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。

  • 2019/03/18 17:22

    ありがとうございました!参考にさせていただきます!!

    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 90.12%
  • 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