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

88.77%

データフレームでの累乗計算について

解決済

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 487

yoppi2019

score 8

前提・実現したいこと

Python初学者でPython3.8、Pandas0.25.3を使用しています。

  • 上場企業の決算書をスクレイピングするプログラムを作成中です。
  • スクレイピング自体は行うことができ、結果をex1.csvに保存しています。
  • 下記ex1.csvは本質問に関係する箇所を抜き出して表示しています。

実現したいこと

  • スクレイピングした金額の単位が、円(位取りカンマ無)と百万円(位取りカンマ有)が混在しているため、円に統一したいです。
  • 下記「希望する形」のようにしたいのですが「現状」のようになってしまいます。

ex1.csv     希望する形                現状

year yen     year   yen        year   yen
2015  4,200       2015   4200000000   2015  -94967296
2015  1,460       2015   1460000000   2015  1460000000
2016  4,700       2016   4700000000   2016  405032704
2016  1,700       2016   1700000000   2016  1700000000

該当のソースコード

import pandas as pd
import numpy as np

df = pd.read_csv("ex1.csv",encoding="shift_jis", index_col=0)
df["yen"] = df["yen"].str.replace(',','').astype(np.int)*10**6

試したこと

読込んだcsvファイルに原因があるのかと思い、下記を実行しました。
また、指数を1~10で行ってみました。

df = pd.DataFrame({'year': ['2015', '2015', '2016', '2016'],
                   'yen': ['4,200', '1,460', '4,700', '1,700']})

for i in range(1,11):
    df["y"] = df["yen"].str.replace(',','').astype(np.int)*10**i
    print(df)


【結果】

  • csvを読み込んだコードと、直接コードを書いた結果は同じ
  • 1~5乗&10乗:全て累乗計算された
  • 6乗:上記「現状」の通り。*10000000で試すが、結果は変わらず
  • 7~9乗:全部が累乗されず

次に、カンマが問題なのかと思い、yenを数値にしてみました。

df2 = pd.DataFrame({'year': ['2015', '2015', '2016', '2016'],
                   'yen': [4200, 1460, 4700, 1700]})

for i in range(1,11):
    df2["y2"] = df2["yen"]*10**i
    print(df2)


【結果】 全て累乗計算された


ここまでは分かったのですが、カンマを取るコードに問題があるのか、カンマ付の要素を使用すること自体が原因なのか、その他に何かしらの原因があるのかが分からず、また解決方法にも見当がつかなかったため、ご相談させて頂いた次第です。

どなたか分かる方がいらっしゃいましたら、ご教示のほどよろしくお願い致します。

補足情報(FW/ツールのバージョンなど)

ここにより詳細な情報を記載してください。

  • 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

環境がわからないのですが、np.intが32bitの整数のため、オーバーフローを起こしていると思われます。
32bit整数の最大値は2147483647なので、これを超える数値はあらわせません。

64bitの整数で計算すれば解決します。

df = pd.DataFrame({'year': ['2015', '2015', '2016', '2016'],
                   'yen': ['4,200', '1,460', '4,700', '1,700']})

for i in range(1,11):
    df["y"] = df["yen"].str.replace(',','').astype(np.int64)*10**i
    print(df)

6~9乗でオーバーフローがおこり、10乗でうまく動いているのは、
10**9までの数値の掛け算は 32bit × 32bit → 32bit で計算されているのに対して、
10**10は32bitを超えるため64bitの整数として扱われて、32bit × 64bit → 64bit で計算されているためです。

また、後者のdf2がうまく動いているのは、最初からdf2["yen"].dtypenp.int64になっているためです。

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。

  • 2019/12/24 17:11

    教えて頂いた内容で解決しました!

    お恥ずかしながら、32bitの整数に最大値があることはもちろん、整数値に32bitや64bitがあることすらも知りませんでしたので、急に10乗になって累乗計算が成り立つ意味が全く見当がつかずにおりました。

    改めましてコードをdtypesで調べたところ、仰った意味が分かりました。
    なぜそうなるのかまで教えて頂き、なぜ10の6乗の場合だと部分的に累乗計算が成立していたのかも納得できました。

    今回、初めて質問させて頂いたのですが、質問して良かったです。
    ありがとうございました!

    キャンセル

+1

csv とは comma separated values のことで文字通り、カンマが区切り文字です。

ex1.csv
year yen
2015  4,200
2015  1,460
2016  4,700
2016  1,700

区切り文字がスペースですので、pd.read_csvのオプションにsep=' 'でセパレータを指定してください

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。

  • 2019/12/24 16:33

    早速のご回答ありがとうございます。表記に不備がありましたのでお詫びしますと共に訂正します。ex1.csvは下記のようになっております。
    year,yen
    2015,"4,200"
    2015,"1,460"
    2016,"4,700"
    2016,"1,700"

    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 88.77%
  • 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