🎄teratailクリスマスプレゼントキャンペーン2024🎄』開催中!

\teratail特別グッズやAmazonギフトカード最大2,000円分が当たる!/

詳細はこちら
CSV

CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

プログラミング言語

プログラミング言語はパソコン上で実行することができるソースコードを記述する為に扱う言語の総称です。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

993閲覧

python csvファイルの集計

rererenji

総合スコア1

CSV

CSV(Comma-Separated Values)はコンマで区切られた明白なテキスト値のリストです。もしくは、そのフォーマットでひとつ以上のリストを含むファイルを指します。

プログラミング言語

プログラミング言語はパソコン上で実行することができるソースコードを記述する為に扱う言語の総称です。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

1クリップ

投稿2021/02/15 08:28

編集2021/02/15 08:29

前提・実現したいこと

お世話になります。
プログラミングの学習を始めて2週間の初心者です。
何をお伝えすればよいかまだ分からないため、必要な情報が不足していたら申し訳ありません。

pythonにてCSVファイルのデータを集計するプログラムを作成しております。

1.対象のCSVファイルの対象の列から全行の数値(正、負、0)を読み取り、
2.その数値を絶対値にして
3.閾値(30)以上のデータだけを抽出し
4.平均化して
5.1~4を繰り返して列を結合させ、
6.1つのCSVファイルに複数の列の平均値を出力するというプログラムを作成しています。

大変見苦しいプログラムかと思いますが、お力添えいただけると幸いです。

発生している問題・エラーメッセージ

平均化したデータの一部が-2147483648となります。
本来ならば1000にも満たない数字です。
うまく平均化することができる列もありますが、
いくつかのデータは-214783648となります。

該当のソースコード

python

1import pandas as pd 2import glob 3from datetime import datetime as dt 4from datetime import timedelta 5 6c_list = ['列名1','列名2','列名3','列名4','列名5','列名6'] 7 8df_0 = pd.DataFrame() 9for i in range(0,6): 10 target = c_list[i] 11 df = pd.read_csv('入力するファイル.csv',encoding= 'shift-jis') 12 df = df[target].abs() 13 df = df.fillna(0) 14 df = df[df>=30] 15 df = df.describe()['mean'].round(0) 16 df = df.astype('int') 17 print(target + '平均' + str(df)) 18 df_1 = pd.DataFrame([[int(df)]],columns=[target],index=[date]) 19 df_0 = pd.concat([df_0,df_1],axis=1) 20 i += 1 21df_0.to_csv('出力するファイル.csv'.,encoding= 'shift-jis') 22

試したこと

df = df[df>=30]
の行を抜くと-2147483648は出なくなりましたが、
閾値未満の数字は無視する必要があります。

よろしくお願いいたします。

補足情報(FW/ツールのバージョンなど)

python 3.9.1

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

cleaner

2021/02/15 09:00

閾値以上かどうかは普通はif文を使うのではないでしょうか? パイソンはそういう書き方でもいいのでしょうか?
rererenji

2021/02/15 09:34

お世話になります。 ご回答いただきありがとうございます。 私がpython以外のコンピュータ言語を知らないため他との比較ができないのですが、 ifは一つのデータを比較するようなイメージでした。 回答者様がおっしゃるようにifを用いて閾値以上のデータ抽出も可能かと思いますが、 私にはその術がまだ具体的に思い浮かびませんでした。
cleaner

2021/02/15 09:43

分かりました。 既に回答がついているのを見ると文法的には正しそうですね。 おそらく問題なのは閾値の処理をしたときに、閾値未満の値がどんな数値になっているかだと思います。 ppaulさんの回答はそれを解消しているようです。
rererenji

2021/02/15 10:32

ご回答いただきありがとうございます。 おっしゃる通り、閾値未満のデータの処理ができていないかったようです。
guest

回答1

0

ベストアンサー

バグを修正しました。

行のすべてのデータが30未満であれば、nanを整数にして、-214783648になります。
テストはしていませんが、だいたいこんな感じです。

python

1import pandas as pd 2import numpy as np 3 4c_list = ['列名1','列名2','列名3','列名4','列名5','列名6'] 5df_all = pd.read_csv('入力するファイル.csv',encoding= 'shift-jis') 6 7df_0 = pd.DataFrame() 8for i in range(0,6): 9 target = c_list[i] 10 df = df_all[target].abs() 11 df = df.fillna(0) 12 df = df[df>=30] 13 if df.shape[0] == 0: 14 df = pd.Series([0], name=target, dtype='int64') 15 df = df.describe()['mean'].round(0) 16 df = df.astype('int') 17 print(target + '平均' + str(df)) 18 df_1 = pd.DataFrame([[int(df)]],columns=[target]) 19 df_0 = pd.concat([df_0,df_1],axis=1) 20df_0.to_csv('出力するファイル.csv'.,encoding= 'shift-jis')

i += 1は不要なので消してあります。
ファイルの読み込みは一回で良いのでループの外に出しました。

実行テストは以下です。

python

1>>> import pandas as pd 2>>> import io 3>>> 4>>> indata = '''列名1 列名2 列名3 列名4 列名5 列名6 5... 10 60 30 100 300 54 6... 20 70 20 200 40 50''' 7>>> 8>>> with io.StringIO(indata) as f: 9... df_all = pd.read_csv(f, sep=' +', engine='python') 10... 11>>> print(df_all) 12 列名1 列名2 列名3 列名4 列名5 列名6 130 10 60 30 100 300 54 141 20 70 20 200 40 50 15>>> 16>>> c_list = ['列名1','列名2','列名3','列名4','列名5','列名6'] 17>>> #df_all = pd.read_csv('入力するファイル.csv',encoding= 'shift-jis') 18>>> 19>>> df_0 = pd.DataFrame() 20>>> for i in range(0,6): 21... target = c_list[i] 22... df = df_all[target].abs() 23... df = df.fillna(0) 24... df = df[df>=30] 25... if df.shape[0] == 0: 26... df = pd.Series([0], name=target, dtype='int64') 27... df = df.describe()['mean'].round(0) 28... df = df.astype('int') 29... print(target + '平均' + str(df)) 30... df_1 = pd.DataFrame([[int(df)]],columns=[target]) 31... df_0 = pd.concat([df_0,df_1],axis=1) 32... 33列名1平均0 34列名2平均65 35列名3平均30 36列名4平均150 37列名5平均170 38列名6平均52 39>>> # i += 1 40>>> #df_0.to_csv('出力するファイル.csv'.,encoding= 'shift-jis') 41>>> print(df_0) 42 列名1 列名2 列名3 列名4 列名5 列名6 430 0 65 30 150 170 52

c_list = ['列名1','列名2','列名3','列名4','列名5','列名6']
はdf_allのindexを使ったほうがいいですが、それはご自分でどうぞ。

投稿2021/02/15 09:34

編集2021/02/15 09:55
ppaul

総合スコア24670

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

rererenji

2021/02/15 10:33

ご回答いただきありがとうございました。 ご訂正いただいたプログラムにて実施したところ、値がおかしくなっていた箇所が0になりました。 ご対応いただきありがとうございました。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.36%

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る

質問する

関連した質問