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

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

2回答

482閲覧

Python Dataframeで重複する列の削除

artg

総合スコア27

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

1クリップ

投稿2019/10/30 14:27

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
100200NaN
100NaNNaN
300100NaN

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2

0

ベストアンサー

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、

Python

1target = df.loc[:, df.columns.str.match(r'(.*)価格(.*)')].count().idxmax()

で**『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。

Python

1target = 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。

Python

1delete_target = [c for c in df.columns[df.columns.str.contains('価格')] if c != target]

投稿2019/10/30 23:46

magichan

総合スコア15898

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。

0

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2019/10/30 15:02

pea

総合スコア419

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。

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