Q&A
time_length が12で、split_numが7のとき、分割の範囲は、0.0-1.7142857142857142のようにしたいのでしょうか？
また、start_secondが0.0ということはありますか？
<やりたいこと>
pandas.DataFrameのmeeting_noカラムの全長を計算した上で、
ミーティングごとに区分する数に基づいてテキストファイルを分割して書き出したいと考えております。
<想定されるインプットデータフレーム>
df = |meeting_no|start_second|text| |1|1.0|こんにちは |1|2.2|おはようございます |1|3.3|今日はいい天気ですね |1|4.4|ご飯を食べました |1|5.1|朝は気温が低いため、外出する際は防寒が必要であると思われます |1|8.0|ご飯を食べました |1|9.0|昼は気温が高いため、洗濯物日和です |1|10.0|眠いです |1|11.0|おやつの時間です |1|12.0|おやつを食べました |2|・・ |2|・・ ：
<作成したいアウトプットテキストファイル>
meeting1_text1_0.0-2.4.txt：こんにちは\nおはようございます meeting1_text2_2.4-4.8.txt：今日はいい天気ですね\nご飯を食べました meeting1_text3_4.8-7.2.txt：朝は気温が低いため、外出する際は防寒が必要であると思われます meeting1_text4_7.2-9.6.txt：ご飯を食べました\n昼は気温が高いため、洗濯物日和です meeting1_text5_9.6-12.0.txt：眠いです\nおやつの時間です\nおやつを食べました入力
上記のように、time_lengthを求めた上でテキストデータを分割(結合)したいと考えております。
<考えたこと>
・meeting_idごとにgroupby
・time_length = start_secondの最大値をもとに12を自動算出
・split_num = splitしたい任意の数
・split_time = 2.4を自動算出
上記を計算した上で、start_secondのカラムに対してmeeting_id毎にsplit_timeに当てればよいと思いますが、
いまいち想定通りの結果を出力できず、textをうまく結合することができず困っております。
お手数を掛けしますが、上記をうまく実装する方法についてお知恵を拝借できますと幸いです。
何卒よろしくお願い申し上げます。
ppaul様
ご質問いただきありがとうございます。
> 分割の範囲は、0.0-1.7142857142857142のようにしたい
はい、その通りでございます。
> start_secondが0
はい、ありうるという認識です。
start_secondが0もある場合、以下の点が問題になります。
split_timeが2.4の行があったとき、それは、
meeting1_text1_0.0-2.4.txt
meeting1_text2_2.4-4.8.txt
のどちらに入れたいのでしょう。
meeting1_text1_0.0-2.4.txtの方にいれるのなら、
0.0|はじめます、はmeeting1_text1_マイナス2.4-0.0とでも言うところに入れないと、一貫性がありません。
meeting1_text1_0.0-2.4.txtの方にいれるのなら、
12.0|おやつを食べました、はmeeting1_text1_12.0-14.4 に入れないと一貫性がありません。
つまり、
split_time*n < x <= split_time*(n+1)
なのか、
split_time*n <= x < split_time*(n+1)
なのか、どちらにしたいですか？
ppaul様
FB頂きましてありがとうございます。
0はほぼ存在しない認識なので、例外的に一番目のグループに入れて結合したいと思いました。
time_lengthは12になるので、2.4刻みの5グループを作成した上で、
start_secondが0.0はグループmeeting1_text1グループに入れたいと考えております。
確認ですが、start_secondが0.0の列はグループmeeting1_text1_0.0-2.4.txtのところという意味ですね。
ppaul様
FB頂きありがとうございます。
そうですね、start_secondが0.0の列はグループmeeting1_text1_0.0-2.4.txtという意味です。
もしtime_length = 12, split_num = 6の場合、start_secondが0.0の列はグループmeeting1_text1_0.0-2.0.txtに入ることを想定しております。
あと、split_timeはmeeting_idごとに異なるということでいいですね。
ppaul様
ありがとうございます。
はい、そうですね。meeting_id毎に可変になるので、meeting_id毎に計算されることになります。
回答1件
0
ベストアンサー
短時間で作ったので、出来は良くありませんが、一応動いています。
python
1import pandas as pd 2import io 3import math 4 5indata = '''meeting_no|start_second|text 61|1.0|こんにちは 71|2.2|おはようございます 81|3.3|今日はいい天気ですね 91|4.4|ご飯を食べました 101|5.1|朝は気温が低いため、外出する際は防寒が必要であると思われます 111|8.0|ご飯を食べました 121|9.0|昼は気温が高いため、洗濯物日和です 131|10.0|眠いです 141|11.0|おやつの時間です 151|12.0|おやつを食べました 162|0.0|はじめます 172|3.0|元気ですか 182|8.0|今日は寒いです 19''' 20 21with io.StringIO(indata) as f: 22 df = pd.read_csv(f, sep='|') 23 24split_num = 7 25 26def split_time(x): 27 return x['start_second'].max() / split_num 28 29df_temp = pd.DataFrame(df.groupby('meeting_no').apply(split_time), columns=['split_time']) 30 31df2 = pd.merge(df, df_temp, on ='meeting_no') 32 33def make_range(row): 34 if row['start_second'] == 0.0: 35 return 0.0 36 else: 37 return (math.ceil(row['start_second']/row['split_time']) - 1) * row['split_time'] 38 39df2['range_start'] = df2.apply(make_range, axis=1) 40 41def make_record(row): 42 return 'meeting%d_%f-%f.txt1:%s' % (row['meeting_no'].iloc[0], row['range_start'].iloc[0], row['range_start'].iloc[0]+row['split_time'].iloc[0], '\n'.join(row['text'])) 43 44df3 = df2.groupby(['meeting_no', 'range_start']).apply(make_record) 45 46with open('output.txt', 'w') as f: 47 f.write('\n'.join(df3))
実行の結果のoutput.txtは以下です。
text
1meeting1_0.000000-1.714286.txt1:こんにちは 2meeting1_1.714286-3.428571.txt1:おはようございます\n今日はいい天気ですね 3meeting1_3.428571-5.142857.txt1:ご飯を食べました\n朝は気温が低いため、外出する際は防寒が必要であると思われます 4meeting1_6.857143-8.571429.txt1:ご飯を食べました 5meeting1_8.571429-10.285714.txt1:昼は気温が高いため、洗濯物日和です\n眠いです 6meeting1_10.285714-12.000000.txt1:おやつの時間です\nおやつを食べました 7meeting2_0.000000-1.142857.txt1:はじめます 8meeting2_2.285714-3.428571.txt1:元気ですか 9meeting2_6.857143-8.000000.txt1:今日は寒いです
投稿2021/02/09 03:23
編集2021/02/09 03:53総合スコア24670
あなたの回答
tips
プレビュー
