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

87.34%

Python Dataframeで重複する列の削除

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 2,012

score 27

Pandasで以下のようなデータフレームがあります。

特徴としては、
・カラム名に一部重複がある
・重複の個数はわからない
・データの個数はばらばら

例えば

価格1 価格A 価格3
100 200 NaN
100 NaN NaN
300 100 NaN

こういったデータに関して、正規表現でカラム名に価格が含まれるものを取得し、
最もデータ数が多い列のみ残すのによい方法はありませんか?

以下のような感じで正規表現にマッチするデータを取得したのですが、
これをカラム名を取得してループで確かめていくしかないでしょうか?
df.loc[df.columns.str.match(r'(.*?)価格'(.*?))]

よろしくお願いいたします。

  • 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
    • 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

    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

+1

正規表現にてカラム名に"価格"を含む列の抽出までできているのであれば、あとはループを使うまでもなく、

target = df.loc[:, df.columns.str.match(r'(.*)価格(.*)')].count().idxmax()


『一番データ数が多い』カラム名を取得できます。
ちなみに、カラム名に"価格"を含む列の抽出は、Series.str.match()で正規表現を使うのではなく、単にSeries.str.contains() でも十分かと思います。

target = df.loc[:, df.columns.str.contains('価格')].count().idxmax()

反対に『削除対象のカラム名』を取得するには、全ての"価格"を含むカラムから上記の『一番データ数の多いカラム名』を削除するだけです。
方法はいろいろありそうですが、内包表記での例を上げると以下のようになります。

delete_target = [c for c in df.columns[df.columns.str.contains('価格')] if c != target]

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。

+1

特定の列の中で最もNaNが少ない列を残したいということでしょうか?

質問の答えずばりではないですが、以前作成した関数を貼り付けています。
データフレームオブジェクトを渡すと動きます。
余計なコードが入っていますが、各列の欠損値割合を確認できます。
一部、流用すれば欠損値割合の少ない列が判定できると思います。

def describe_add_isnull(df):
  mis_val = df.isnull().sum()
  mis_val_percent = 100 * mis_val / len(df)
  mis_val_table = pd.DataFrame(mis_val_percent)
  mis_val_table_ren_columns = mis_val_table.rename(columns={0:"Missing % of Total Values"})
  return pd.concat([df.describe(include='all'),mis_val_table_ren_columns.T])

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 87.34%
  • 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