Q&A
roadやdroはどのようなデータですか？
##やりたいこと
①エラーを解決したいです。
②エラーの示しているindex,axis,sizeの部分がどこを示し下記の出力とどう関係があるのかを知りたいです。
python
1Empty DataFrame 2Columns: [] 3Index: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, ...]
##エラーまでの経緯・実行内容
seabornのpairplotによって「西暦・地域階層コード・（常駐地）東京都」を値とするグラフ作成を行おうとしています。最初にcsvを読み込みましたが、unnamedによりKEYエラーが多発したため
pd.MultiIndex.from_frame
を追加しやり直しました。
その後下記のエラーになりました。
Traceback (most recent call last): File "population.py", line 22, in <module> sns.pairplot(dro) #一部省略 IndexError: index -1 is out of bounds for axis 0 with size 0
##試み
python
1import csv 2import pandas as pd 3import seaborn as sns 4import matplotlib 5matplotlib.use('TkAgg') 6import matplotlib.pyplot as plt 7import japanize_matplotlib 8 9road = pd.read_csv("~~~~.csv", 10 encoding="SHIFT-JIS", 11 keep_default_na=False, # 空欄をNaで置き換えない 12 header=None, # headerは指定しない 13 index_col=[0], 14 engine='python') 15 16road.columns = pd.MultiIndex.from_frame(road.iloc[:11, :].T) 17print(road) 18 19dro = road.dropna(how="all") 20new = dro.loc[:,["年次（西暦）","地域階層コード","（常住地）東京都"]] 21print(new) 22sns.pairplot(dro) 23plt.savefig("population.png") 24plt.show()
python
1 1 2 3 4 5 ... 65 66 67 68 69 20 ... 31 東京都昼間人口の予測 ... 42 ... 53 ... 64 ... 75 ... 8... ... .. ... .. ... ... .. .. .. .. .. 91160 2040 1 11000 3 （通学地）埼玉県 ... 101161 2040 1 12000 3 （通学地）千葉県 ... 111162 2040 1 14000 3 （通学地）神奈川県 ... 121163 2040 1 99000 3 （通学地）他の道府県 ... 131164 2040 0 99999 3 通学地別常住人口（総数） ... 14 15[1164 rows x 69 columns] 161 東京都昼間人口の予測 ... 172 ... 183 ... 194 ... 205 ... 216 ... 227 ... 238 ... 249 ... 2510 地域階層コード ... 1 0 2611 地域コード ... 11000 12000 14000 99000 99999 270 ... 281 東京都昼間人口の予測 ... 292 ... 303 ... 314 ... 325 ... 33.. ... .. ... .. ... ... ... ... ... ... ... 341160 2040 1 11000 3 （通学地）埼玉県 ... 351161 2040 1 12000 3 （通学地）千葉県 ... 361162 2040 1 14000 3 （通学地）神奈川県 ... 371163 2040 1 99000 3 （通学地）他の道府県 ... 381164 2040 0 99999 3 通学地別常住人口（総数） ... 39 40[1164 rows x 69 columns] 41Empty DataFrame 42Columns: [] 43Index: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, ...] 44 45[1164 rows x 0 columns] 46sys:1: PerformanceWarning: indexing past lexsort depth may impact performance. 47
error
1IndexError: index -1 is out of bounds for axis 0 with size 0
エラーのでているインデックスの値はおいておいて、まずエラーの内容について調べました。
すると、、
???falseとnanの二値しか取り得ないものが入っているためエラーが出ている？？？
と出てきたため。
欠損値の削除をしましたが、エラーは変わらず変化はありません。
##csvについて
一部の表示です。
データ先；https://www.toukei.metro.tokyo.lg.jp/tyosoku/ty-data.htm
の８章です。
1,東京都昼間人口の予測,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
2,,,,,,第８表 区市町村別昼夜間移動表 −総数、通勤、通学− （単位 人）,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
3,,,,,,注１） 本表は、報告書ベースの統計表第8-1から8-6表、第9-1から9-6表、第10-1から10-6表を一つにまとめたものである。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
4,,,,,,注２） 2015年10月1日時点は総務省統計局「国勢調査」に基づく数値であり、従業地「不詳」、通学地「不詳」及び労働力状態「不詳」を含む。2020年以降については、各年10月1日時点の予測人口である。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
5,,,,,,注３） 常住地/従業地・通学地コードが１の場合の対角線上（常住地と従業地・通学地が同一地域）の人口には、自宅就業者及びその他人口が含まれる。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
6,,,,,,注４） 地域コードは、総務省統計局「国勢調査」に基づく。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
7,,,,,,注５） 地域階層コードは、0：0階層(縦方向の計では常住人口(総数)レベル、横方向の計では昼間人口(総数)レベル)、1：1階層(東京都、埼玉県、千葉県、神奈川県、その他道府県レベル)、2：2階層(区部、多摩・島しょレベル)、3：3階層(市部・郡部・島部レベル)、4：4階層(区市町村レベル),,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
8,,,,,,注６） 従業地・通学地コードは、1：従業地・通学地、2：従業地、3：通学地である。横方向は常住地のみである。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
9,,,,,,注７） 常住人口（総数）＝東京都＋埼玉県＋千葉県＋神奈川県＋その他道府県で、縦方向、横方向共に同じである。,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
10,,,,,地域階層コード,1,2,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,2,3,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,4,3,4,4,4,4,3,1,1,1,1,0
11,,,,,地域コード,13000,13100,13101,13102,13103,13104,13105,13106,13107,13108,13109,13110,13111,13112,13113,13114,13115,13116,13117,13118,13119,13120,13121,13122,13123,13500,13200,13201,13202,13203,13204,13205,13206,13207,13208,13209,13210,13211,13212,13213,13214,13215,13218,13219,13220,13221,13222,13223,13224,13225,13227,13228,13229,13300,13303,13305,13307,13308,13350,11000,12000,14000,99000,99999
12,年次（西暦）,地域階層コード,地域コード,従業地・通学地コード,地域名,（常住地）東京都,（常住地）区部,（常住地）千代田区,（常住地）中央区,（常住地）港区,（常住地）新宿区,（常住地）文京区,（常住地）台東区,（常住地）墨田区,（常住地）江東区,（常住地）品川区,（常住地）目黒区,（常住地）大田区,（常住地）世田谷区,（常住地）渋谷区,（常住地）中野区,（常住地）杉並区,（常住地）豊島区,（常住地）北区,（常住地）荒川区,（常住地）板橋区,（常住地）練馬区,（常住地）足立区,（常住地）葛飾区,（常住地）江戸川区,（常住地）多摩・島しょ,（常住地）市部,（常住地）八王子市,（常住地）立川市,（常住地）武蔵野市,（常住地）三鷹市,（常住地）青梅市,（常住地）府中市,（常住地）昭島市,（常住地）調布市,（常住地）町田市,（常住地）小金井市,（常住地）小平市,（常住地）日野市,（常住地）東村山市,（常住地）国分寺市,（常住地）国立市,（常住地）福生市,（常住地）狛江市,（常住地）東大和市,（常住地）清瀬市,（常住地）東久留米市,（常住地）武蔵村山市,（常住地）多摩市,（常住地）稲城市,（常住地）羽村市,（常住地）あきる野市,（常住地）西東京市,（常住地）郡部,（常住地）瑞穂町,（常住地）日の出町,（常住地）檜原村,（常住地）奥多摩町,（常住地）島部,（常住地）埼玉県,（常住地）千葉県,（常住地）神奈川県,（常住地）他の道府県,常住地別昼間人口（総数）
13,2015,1,13000,1,（従業地・通学地）東京都,13014330,8956332,56811,137299,237820,327004,213036,193023,248293,482324,371279,268209,679107,875112,219387,321290,551261,282757,328081,204895,542568,699994,643000,422588,651194,4057998,3975048,555336,171907,141223,183194,133172,251901,108718,223053,377248,118319,184285,181200,142053,118775,71172,57015,76365,82605,69301,111360,69521,140483,80187,54214,79394,193047,56480,31954,17154,2193,5179,26470,936100,716881,1068505,184589,15920405
14,2015,2,13100,1,（従業地・通学地）区部,9408634,8833778,56235,136457,236160,322545,210921,191999,246879,479102,368418,265465,674133,853216,216129,313708,527934,279608,325456,203661,537615,680217,640255,420437,647228,574856,573189,41848,16592,37510,43677,5866,37602,9365,52253,44443,25799,28960,19585,21438,20760,10419,3281,21154,8116,12015,21176,3450,19598,14018,2870,3382,48012,1618,993,527,27,71,49,844151,699698,919762,161347,12033592
15,2015,4,13101,1,（従業地・通学地）千代田区,460299,385541,45177,9615,10710,16157,17368,8500,10942,24801,13938,11357,18899,31346,9542,13154,23853,12107,12303,8103,17915,18847,15506,13185,22216,74758,74550,5420,2212,6380,5985,710,4558,1298,6701,5454,4179,3716,2692,2374,3189,1646,370,2290,903,1347,2450,345,2579,1674,369,452,5257,204,119,69,3,13,4,116199,123496,126082,26992,853068
16,2015,4,13102,1,（従業地・通学地）中央区,346891,308673,1601,99033,6162,6978,6197,6666,10044,24736,9689,6306,14002,15713,4669,6793,11809,5773,6167,5373,9245,10077,11931,10445,19264,38218,38142,2623,1119,2962,3128,354,2425,609,3402,3075,2017,1888,1277,1256,1651,882,203,1232,498,644,1209,191,1299,862,179,166,2991,75,46,26,1,2,1,72641,94566,78723,15782,608603
17,2015,4,13103,1,（従業地・通学地）港区,571815,511803,2299,8714,192927,11272,9239,6859,9744,20407,27916,17014,35368,33192,12248,10820,19377,9451,9750,6331,13838,15635,12301,10886,16215,60012,59856,4459,1638,4335,4666,551,4269,880,5538,5663,2855,2794,2116,1762,2299,1167,305,2394,748,931,1751,266,2210,1631,273,285,4070,146,88,53,2,3,10,86878,90254,170627,21211,940785
18,2015,4,13104,1,（従業地・通学地）新宿区,551983,464146,1486,2571,3732,249623,7111,3068,4408,10059,6794,5998,9474,22166,8863,20885,24750,11210,7908,3850,13617,21309,7725,6058,11481,87837,87554,7044,2824,5187,5549,1009,6108,1588,8238,5836,3989,5094,3254,3722,3292,1531,588,2520,1487,1336,2616,661,3288,2119,503,623,7548,281,164,99,4,14,2,86735,47578,76109,13144,775549
回答1件
0
ベストアンサー
元のCSVのカタチがpandasでの読み込みに向いていないのでskiprows,usecolsを指定して必要な範囲のみ読み込むようにすればよいです。
Python
1import pandas as pd 2import seaborn as sns 3import matplotlib.pyplot as plt 4import japanize_matplotlib 5 6pd.set_option('display.unicode.east_asian_width', True) # 日本語ずれないように 7 8df = pd.read_csv('https://www.toukei.metro.tokyo.lg.jp/tyosoku/ty20rv0800.csv', encoding='shift-jis', skiprows=11, usecols=[1,2,6]) 9print(df.head()) 10""" 11 年次（西暦） 地域階層コード （常住地）東京都 120 2015 1 13014330 131 2015 2 9408634 142 2015 4 460299 153 2015 4 346891 164 2015 4 571815 17""" 18sns.pairplot(df) 19plt.show()
投稿2020/08/14 02:32
総合スコア38352
あなたの回答
tips
プレビュー
