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

87.80%

Python 3 で綺麗にテーブルを引き抜きたい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 340

score 24

Python 3 を使ってhtmlファイルとして保存したあるサイトのテーブルを引き抜きたいと思います。Pandasのモデュールを使って、以下のコードをPycharmでいれるとテーブルは引き抜く事はできました。

import pandas as pd

filename = "c:\users\someone\desktop\example.html"
path = open(filename, 'r')
df = pd.io.html.read_html(filename, encoding='Shift JIS', attrs= {'class':'list2'})[0:3]

テーブルは三つあります。

<table class="list2">
   <tbody>
      <tr class="bg3">
      <tr class="bg3">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
   <tbody>
<span id="list-title"></span>
<table class="list2">
   <tbody>
      <tr class="bg3">
      <tr class="bg3">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
   <tbody>
<span id="list-title"></span>
<table class="list2">
   <tbody>
      <tr class="bg3">
      <tr class="bg3">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
      <tr class="bg5">
      <tr class="bg5">
      <tr class="bg1">
      <tr class="bg1">
   <tbody>

このサイトの書き方が悪いと思うのですが、項目が2行になっているためそれに基づくデータもすべて2行ずつ出てきます。

例えば、こんな感じです。

項目|項目|項目|項目
項目|項目|項目|項目
AAA | AAA | AAA | AAA
AAA | AAA | AAA | AAA
BBB | BBB |BBB  | BBB
BBB | BBB |BBB  | BBB

2行ずつではなく、以下のように一行に変えたいのです。あと、3つのテーブルを一つにしたいです。

項目|項目|項目|項目|項目|項目|項目|項目
AAA | AAA | AAA | AAA | AAA | AAA | AAA | AAA
BBB | BBB |BBB  | BBB | BBB | BBB |BBB  | BBB

どうすればいいのか調べても調べても分からなく困っています。

  • 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 1

checkベストアンサー

0

一度奇数行と偶数行でデータフレームを分割してから、再結合するとよいのではないでしょうか。

print(df)
#    項目1   項目2   項目3   項目4
#    項目5   項目6   項目7   項目8
#0  AAA1  AAA2  AAA3  AAA4
#1  AAA5  AAA6  AAA7  AAA8
#2  BBB1  BBB2  BBB3  BBB4
#3  BBB5  BBB6  BBB7  BBB8

# 奇数行
tmp1 = df.iloc[::2].reset_index(drop=True)
tmp1.columns = df.columns.get_level_values(0)
# 偶数行
tmp2 = df.iloc[1::2].reset_index(drop=True)
tmp2.columns = df.columns.get_level_values(1)
# 結合
df = pd.concat([tmp1, tmp2], axis=1)
print(df)
#    項目1   項目2   項目3   項目4   項目5   項目6   項目7   項目8
#0  AAA1  AAA2  AAA3  AAA4  AAA5  AAA6  AAA7  AAA8
#1  BBB1  BBB2  BBB3  BBB4  BBB5  BBB6  BBB7  BBB8

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。

  • 2020/01/21 13:04

    はい、df1, df2, df3を統合して1つのデータフレームにして、方向は行を増やす方向に統合したいです。あと、項目はリピートせず、一回だけにしたいです。

    キャンセル

  • 2020/01/21 13:09

    であれば
    df = pd.concat([df1,df2,df3])
    でどうでしょうか

    キャンセル

  • 2020/01/21 13:25

    すごい!ありがとうございました!concat()は知らなかったので、今後これを使います!

    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 87.80%
  • 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