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

89.06%

異なるDataframeの結合(Merge)について

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 266

hiroikawa55

score 25

異なるDataframe同士の結合についてです。
Mergeを使う方法については、下記のページなどを参考にしました。
図解!Pandas DataFrameのmergeによる結合(JOIN)

やりたいこと:
① CSVの表を読み込み

name data company
山田 10月1日 ビープラ商事清水様来訪
鈴木 10月2日 ガイア不動産高橋様来訪
佐藤 10月8日 ABC案件進捗確認会議
清水 10月14日 マックス保険太田様来訪(高橋同席)
高橋 10月24日 マックス保険進捗会議
山田 10月25日 ギャラクシー物産訪問事前打ち合わせ(小泉部長)
鈴木 10月30日 ガイア不動産案件進捗会議

② 読み込んだ表の、特定のカラム('company')を抽出し、inputで入力した内容(例えば'不動産')に類似する値と、その一致率をカラムにした新たなDataframeをつくる

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.metrics.pairwise import cosine_similarity
from janome.tokenizer import Tokenizer
import MeCab
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

docs=df['company'].to_string(index=False)
docs = str(docs)
docs = docs.splitlines()
tagger = MeCab.Tagger('-Owakati')
docs = [tagger.parse(sentence).strip() for sentence in docs]

vectorizer = CountVectorizer(token_pattern=u'(?u)\\b\\w+\\b')
transformer = TfidfTransformer()

tf = vectorizer.fit_transform(docs) 
tfidf = transformer.fit_transform(tf) 

v = input()# '不動産'などの言葉を入力

sample = str(v)
sample_tf = vectorizer.transform([tagger.parse(sample).strip()])
sample_tfidf = transformer.transform(sample_tf)
similarity = cosine_similarity(sample_tfidf, tfidf)[0]
topn_indices = np.argsort(similarity)[::-1][:30]
list_df = pd.DataFrame()
for sim, tweet in zip(similarity[topn_indices], np.array(docs)[topn_indices]):
    tmp_se = pd.Series("({:.2f}): {}".format(sim, "".join(tweet.split())))
    list_df = list_df.append(tmp_se, ignore_index=True )
list_df.rename(columns={0: 'company'}, inplace=True)
df2=list_df['company'].str.split(':', expand=True)
df2.head()
df3=df2.rename(columns={0: '一致率',1: 'company'}, inplace=False)
df3.head()
一致率 company
(0.50) ガイア不動産高橋様来訪
(0.47) ガイア不動産案件進捗会議
(0.00) マックス保険進捗会議
(0.00) ABC案件進捗確認会議

③最初にCSVで読み込んだデータフレームを、companyのカラムをkeyにして結合する

print(pd.merge(df, df3, left_on='company', right_on='company'))


すると、Empty DataFrame Columns: [name, date, company, 一致率] Index: []
と出てきてしまいます。
下記のような結果を期待していたのですが・・・

一致率 company name data
(0.50) ガイア不動産高橋様来訪 鈴木 10月2日
(0.47) ガイア不動産案件進捗会議 鈴木 10月30日
(0.00) マックス保険進捗会議 高橋 10月24日
(0.00) ABC案件進捗確認会議 佐藤 10月8日

途中の分かち書きで、'company'の値が変わってしまったからではないかと思い、チェックをしたのですが、差がみつけられず、日曜日が終わってしまいまして、こちらで質問をさせていただいた次第です。
申し訳ありませんが、どなたかご教授いただけますと、幸いに存じます。

  • 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。

質問への追記・修正、ベストアンサー選択の依頼

  • Orlofsky

    2020/02/03 02:27

    URLは https://teratail.com/help/question-tips#questionTips3-7 の [リンク] で [リンク先のタイトル](http...) に修正してください。

    キャンセル

  • hiroikawa55

    2020/02/03 08:09

    ご依頼のありました、リンク先の表示方法を修正いたしました。

    キャンセル

回答 1

checkベストアンサー

0

df3['company'] は

"({:.2f}): {}".format(sim, "".join(tweet.split()))


にて書き出したデータを

list_df['company'].str.split(':', expand=True)


と分割したものなので、当然2つ目のデータ(company)には ({:.2f}): {} の : の後のスペースが残ります。
(すべてのCompany列の頭にスペースが入っている状態になっている)

ですので修正点としては

df3['company'] = df3['company'].str.strip()
print(pd.merge(df, df3, left_on='company', right_on='company'))


としてスペースを取り除く、もしくはデータ作成時に

tmp_se = pd.Series("({:.2f}):{}".format(sim, "".join(tweet.split())))


とスペースを入れないようにすると良いのではないでしょうか

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。

  • 2020/02/03 12:45

    できました・・。スペースが入っていたのですね・・・。orz
    コードが動いた時は、ようやく自分がやりたかったことができて、控えめに言っても感動しました。本当にありがとうございました。

    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 89.06%
  • 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