PythonPandasでのデータのカウントについて

前提・実現したいこと

PythonのPandasを用いてデータを加工しています。

データ
列｜商材
ーーーーーー
１｜もも,りんご
２｜もも
３｜かき,みかん
４｜ぶどう,いちご,マンゴー
５｜りんご
といった感じに「商材」という列に「カンマ区切り」で複数の値が入っております。
この「商材」という列に入る値のリスト（商材リスト）が存在していて、

列｜商材　　　　　　　　｜もも｜りんご｜かき｜みかん｜ぶどう｜いちご｜マンゴー｜キウイ
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
１｜もも,りんご　　　　｜１　｜１　　｜０　｜　０　｜　０　｜　０　｜　０　　｜　０
２｜もも　　　　　　　　｜１　｜０　　｜０　｜　０　｜　０　｜　０　｜　０　　｜　０
３｜かき,みかん　　　　｜０　｜１　　｜１　｜　１　｜　０　｜　０　｜　０　　｜　０
４｜ぶどう,マンゴー　　｜０　｜０　　｜０　｜　０　｜　１　｜　０　｜　１　　｜　０
５｜りんご　　　　　　　｜０　｜１　　｜０　｜　０　｜　０　｜　０　｜　０　　｜　０

このような感じで、
商材のリストをカラムとして、行ごとに商材列に入っている値のフラグを立てたいのですが、どのようにコードを書けば実現出来るのかわからなく困っております。

行動規範の内容に同意します

回答2件

ベストアンサー

この「商材」という列に入る値のリスト（商材リスト）が存在していて、

元の商材データには「キウイ」が含まれていませんが、「このような感じで〜」として示されたデータフレームには「キウイ」の列が含まれています。質問文には明記されていませんが、以下の様な「商材リスト」が定義されているのではないでしょうか？

python
1product_list = ['もも', 'りんご', 'かき', 'みかん', 'ぶどう', 'いちご', 'マンゴー', 'キウイ']

もしそうであれば、以下の様にしてもよいかと思います。

python
1import pandas as pd
2
3pd.set_option('display.unicode.east_asian_width', True)
4
5product_list = [
6  'もも', 'りんご', 'かき', 'みかん', 'ぶどう', 'いちご', 'マンゴー', 'キウイ',
7]
8
9df = pd.DataFrame({
10  '商材': [
11    'もも,りんご', 'もも', 'かき,みかん', 'ぶどう,いちご,マンゴー', 'りんご',
12  ],
13})
14
15df[product_list] = [
16  [int(p in df.loc[r, '商材']) for p in product_list]
17  for r in range(len(df))
18]

print(df.to_markdown(index=False))

商材	もも	りんご	かき	みかん	ぶどう	いちご	マンゴー
もも,りんご	1	1	0	0	0	0	0
もも	1	0	0	0	0	0	0
かき,みかん	0	0	1	1	0	0	0
ぶどう,いちご,マンゴー	0	0	0	0	1	1	1
りんご	0	1	0	0	0	0	0

投稿2021/10/27 11:47

編集2021/10/27 13:07

melian

総合スコア19912

_publicnkm

2021/10/28 01:04

回答ありがとうございます！思ってたのこっちでした！汲み取って頂いて本当にありがとうございます。次からもっと質問文の書き方も工夫したほうが良いなという反省にもなり、大変勉強になりました！ありがとうございます！！

行動規範の内容に同意します

以下の様に行います。

python
1>>> print(df)
2   列                    商材
30  １             もも,りんご
41  ２                    もも
52  ３             かき,みかん
63  ４  ぶどう,いちご,マンゴー
74  ５                  りんご
8>>> df['商材'] = df['商材'].apply(lambda s: s.split(','))
9>>> df2 = df.explode('商材').reset_index(drop=True)
10>>> print(df2)
11   列      商材
120  １      もも
131  １    りんご
142  ２      もも
153  ３      かき
164  ３    みかん
175  ４    ぶどう
186  ４    いちご
197  ４  マンゴー
208  ５    りんご
21>>> df3 = pd.get_dummies(df2, columns=['商材'],prefix='', prefix_sep='')
22>>> print(df3)
23   列  いちご  かき  ぶどう  みかん  もも  りんご  マンゴー
240  １       0     0       0       0     1       0         0
251  １       0     0       0       0     0       1         0
262  ２       0     0       0       0     1       0         0
273  ３       0     1       0       0     0       0         0
284  ３       0     0       0       1     0       0         0
295  ４       0     0       1       0     0       0         0
306  ４       1     0       0       0     0       0         0
317  ４       0     0       0       0     0       0         1
328  ５       0     0       0       0     0       1         0
33>>> df4 = df3.groupby('列').sum().reset_index()
34>>> print(df4)
35   列  いちご  かき  ぶどう  みかん  もも  りんご  マンゴー
360  １       0     0       0       0     1       1         0
371  ２       0     0       0       0     1       0         0
382  ３       0     1       0       1     0       0         0
393  ４       1     0       1       0     0       0         1
404  ５       0     0       0       0     0       1         0