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!

新規登録して質問してみよう
ただいま回答率
85.50%
Python 3.x

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。

Python

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

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。

Q&A

解決済

1回答

1264閲覧

移動をマトリックスで表現する方法について

mi2

総合スコア63

Python 3.x

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。

Python

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

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。

0グッド

0クリップ

投稿2019/10/08 14:36

編集2019/10/10 04:12

考えていること

IDデータ、時間データ、場所データの3列が取れていて、同一IDが時系列順に次にどこへに移ったかを総当たりでカウントし、行列に表現するようなことがやりたいです。
例えば、下記のようなデータがあったとします。

データ

id time place 1 2019-01-04 16:03:00 a 1 2019-01-04 16:04:00 b 1 2019-01-04 16:08:00 a 1 2019-01-04 16:09:00 a 1 2019-01-04 16:10:00 a 2 2019-01-04 16:11:00 c 2 2019-01-04 16:12:00 c :

同一IDで見て、1番はa→b→a→a→a, 2番はc→cとplaceを変えているので作成したいデータフレームは以下になります。
a→b
b→a
a→a
a→a
a→a
c→c

作成したいデータフレーム

 a b c … a 3 1 nan b 1 nan nan c nan 1 nan :

試したこと・困っていること

groupbyやリサンプリング等で表現できないかと思い実装しておりましたが、少々込み入ってうまく表現できず困っております。

  1. 時系列データを見て、どこからどこへをカウント
  2. 遷移行列で表現

大変恐縮ではございますが、お知恵を拝借できましたら幸いです。
何卒よろしくお願い申し上げます。

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

効率的なやり方が思いつかなかったので、愚直に実装しましたがこのような感じでしょうか。

  1. groupby("id") で ID ごとにグループ化して考える。
  2. sort_values("time") で時系列順にソートする。
  3. 遷移元、遷移先を元に行列にカウントしていく。

python

1import numpy as np 2from io import StringIO 3 4df = pd.read_csv(StringIO("""id,time,place 51,2019-01-04 16:03:00,a 61,2019-01-04 16:08:00,a 71,2019-01-04 16:04:00,b 81,2019-01-04 16:09:00,a 91,2019-01-04 16:10:00,a 102,2019-01-04 16:11:00,c 112,2019-01-04 16:12:00,c"""), parse_dates=["time"]) 12 13# place の種類 14places = df["place"].unique() 15 16# 0 で初期化した行列 17S = pd.DataFrame(index=places, columns=places, data=0) 18print(S) 19# a b c 20# a 0 0 0 21# b 0 0 0 22# c 0 0 0 23 24for i, group in df.groupby("id"): 25 # 時系列順にソートする。 26 group = group.sort_values("time") 27 # 時系列順にソートされた場所一覧 28 places = group["place"] 29 # カウントする。 30 for start, end in zip(places, places[1:]): 31 S.loc[start, end] += 1 32 33print(S) 34# a b c 35# a 2 1 0 36# b 1 0 0 37# c 0 0 1

投稿2019/10/08 14:53

tiitoi

総合スコア21956

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mi2

2019/10/10 04:11 編集

ありがとうございます。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問