JSONファイルをPythonで分析

Question

json形式のファイルをPythonに取り込んで分析の練習をしています。

データは約400行あり、製造年ごとの("car_year")　出荷台数("total_sales")を合計しようと思っています。

各行の製造年は重複するものが多々あり、例えば2006年なら、それぞれの出荷台数を合計し("total_shipped")

他の年と比較、最も合計出荷台数の多かった年を知る("max_year")コードを書きたいです。

上記に書いた変数にこだわりはありません。どのように計算すれば良いかご教授下さいます様、お願い申し上げます。

[{"id":1,"car":{"car_make":"GMC","car_model":"Savana 2500","car_year":2006},"price":"$8002.17","total_sales":512},

{"id":2,"car":{"car_make":"Audi","car_model":"5000CS Quattro","car_year":1986},"price":"$11245.20","total_sales":312},
.
.
.
.
{"id":399,"car":{"car_make":"Dodge","car_model":"Ramcharger","car_year":1998},"price":"$13158.17","total_sales":852}]

★以下の形式で出力したい。

output = ["最も車販売台数が多かったのは、{}年で合計 {}台でした。".format("max_year", "total_shipped")]

Comments

[fiveHundred]

まずは自分で調べてみましょう。
JSONの内容を取得する方法は、普通に検索すれば出てくるような内容ですし、それで取得した内容を数値に変換して計算すればいいだけの話です。

もし、調べた上で分からないのであれば、以下を参考に、どこが分からないのかを明確にして質問文に追記してください。
https://teratail.com/help/question-tips

[tiitoi]

car_year ごとに total_sales を合計し、その値が一番多い car_year を見つけるということでよろしかったですか？(メーカーや車種は今回は関係ない？)

[justyum]

@tiitoi さん
その通りでございます。メーカーや車種も違った分析をしているのですが、今回ここで質問しているのはtotal_salesの合計 total_shipped と、car_year との求め方です。

Answer 1

データ分析する際に json のままだと扱いづらいので、DataFrame で表データにするといいと思います。
DataFrame にしたら、年ごとに集計し、出荷数が最大の年を取得します。

import json
import pandas as pd

text = """[
    {
        "id": 1,
        "car": {"car_make": "GMC", "car_model": "Savana 2500", "car_year": 2006},
        "price": "$8002.17",
        "total_sales": 512
    },
    {
        "id": 2,
        "car": {"car_make": "Audi", "car_model": "5000CS Quattro", "car_year": 1986},
        "price": "$11245.20",
        "total_sales": 312
    }
]"""

# json を読み込む。
j = json.loads(text)

# DataFrame に変換する。
data = []
for row in j:
    data.append(
        (
            row["id"],
            row["car"]["car_make"],
            row["car"]["car_model"],
            row["car"]["car_year"],
            row["price"],
            row["total_sales"],
        )
    )

data = pd.DataFrame(data, columns=["Id", "Maker", "Model", "Year", "Price", "Sales"])

# 年ごとにグループ化し、合計を計算する。
sales = data.groupby("Year").sum()

# 出荷数が最大の年を取得する。
max_year = sales["Sales"].idxmax()
# その年の出荷数を取得する。
total_shipped = sales.loc[max_year, "Sales"]

print(f"最も車販売台数が多かったのは、{max_year}年で合計{total_shipped}台でした。")
# 最も車販売台数が多かったのは、2006年で合計 512台でした。

Comments

[justyum]

Pandas については殆ど未だ知識がないのですが、期待していた値を抽出することができました。
物凄く短時間で、簡潔かつ寧帝なコードをご教授くださいましてありがとうございました。
jsonのまま色々と試して悪戯に数日も過ぎてしまって・・・。
自分もこういう風なコードを、いつか書けるように頑張ります。