質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.34%

  • Python 3.x

    7387questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    673questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。

時間と特定の列をキーに特定の演算を施し,複数の結果を返す:Pandas,Python

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 657

pepasuke623

score 34

前提・実現したいこと

お世話になります。
以前、下記のような質問をさせていただきました。

   machine  time  cost  material_ID 
        A  1000   100            1
        A  1010   110            2
        A  1010   120            2
        A  1020   150            3
        A  1020   100            1
        A  1020   210            1
        A  1020   200            2
        B  1000   110            2
        B  1010   120            2
        B  1010   150            3
        B  1020   100            1
        B  1020   210            2
  • machine : 機械の種類
  • time:材料が投入される時間。ここでは便宜上、時間データに変換していません。
  • cost : ある材料を入れて機械を動かしたときのコスト
  • material_ID : 材料の種類  

ここで次のようなルールに基づいてデータフレームを操作したいと思います。

  • 'machine'と'time'が同じならば'cost'が一番高いものを選び、それ以外の行は削除する。その際に次の2つの列を追加する
    -- 'used_material':使用したmaterial_IDを列挙する。2と2のように同じものが重複する場合は一つだけ2と書いておく。(2+2みたいな表示は駄目)
    -- 'tax':costに1.08を掛け算する

アウトプットとしては次のようになるはずです。

   machine  time  cost  material_ID used_material tax
        A  1000   100            1             1  108 
        A  1010   120            2             2  129.6 
        A  1020   210            1         1+2+3  226.8
        B  1000   110            2             2  118.8
        B  1010   150            3           2+3  162
        B  1020   210            2           1+2  210

試したこと

知っていることを総動員して、こんな感じで書いてみましたが、うまく行きませんでした。

import pandas as pd

df = pd.DataFrame(
    {'machine': ['A', 'A', 'A', 'A', 'A', 'A', 'A' ,'B', 'B', 'B', 'B', 'B'],
     'time': ['1000', '1010', '1010', '1020', '1020', '1020', '1020','1000', '1010', '1010', '1020', '1020'],
     'cost': [100, 110, 120, 150, 100, 210, 200, 110, 120, 150, 100, 210],
     'material_ID': [1, 2, 2, 3, 1, 1, 2, 2, 2, 3, 1, 2]})

df = df.ix[:,['machine','time','cost','material_ID']]
print(df)

new_df = df.loc[df.groupby('machine')['cost'].idxmin()]

def get_material_ID(row):
    material_IDs = df.loc[df['machine'] == row['machine'], 'material_ID']
    material_IDs = sorted(material_IDs.map(str).values)
    IDs = ' + '.join(material_IDs)
    return pd.Series({'used_material': IDs, 'tax': machine['cost']*1.08})

new_df = pd.concat( [new_df, new_df.apply(get_material_ID, axis=1 )], axis=1 )


どうやら上の書き方では,new_dfの列を関数get_material_IDに渡したときに,'machine'列や'cost'列にアクセス出来ていないみたいです。.ixを使ってみたけど駄目でした。

上の書き方は拘っておりません。これよりうまい書き方があればご教示願います。
またまた申し訳ございませんが、上手い書き方を教えていただければと思います。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイ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。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

あまりきれいなやり方ではないかもしれませんが、一意のインデックスを作るようにしました。
詳細についてはコメントを確認ください。

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'machine': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
     'time': ['1000', '1010', '1010', '1020', '1020', '1020', '1020', '1000', '1010', '1010', '1020', '1020'],
     'cost': [100, 110, 120, 150, 100, 210, 200, 110, 120, 150, 100, 210],
     'material_ID': [1, 2, 2, 3, 1, 1, 2, 2, 2, 3, 1, 2]})


def get_used_material(machine_time):
    used_material = df.loc[df['machine_time'] == machine_time, 'material_ID']
    # データが1個だけなら文字列に変換して返す
    if type(used_material) == np.int64:
        return str(used_material)
    else:
        # 重複したデータを削除
        used_material = used_material.map(str).drop_duplicates()
        # 文字列に変換してソート
        return '+'.join(sorted(used_material))

# machine, time, costを連結してindex化
df['machine_time_cost'] = df.apply(lambda x: ''.join(
    (x['machine'], x['time'], str(x['cost']))), axis=1)
df.set_index('machine_time_cost', inplace=True)

# グルーピング用にmachine, timeを連結した列を追加
df['machine_time'] = df.apply(
    lambda x: ''.join((x['machine'], x['time'])), axis=1)

# used_material列を追加
df['used_material'] = df['machine_time'].map(get_used_material)

# tax列を追加
df['tax'] = df['cost'].map(lambda x: x * 1.08)

# machine_time列からcostが高いものを抽出
cost_max = df.groupby('machine_time')['cost'].max()
cost_max = cost_max.reset_index().apply(
    lambda x: ''.join((x[0], str(x[1]))), axis=1)

# 上記結果から抽出した新規にDataFrame
new_df = df.loc[cost_max, ['machine', 'time', 'cost',
                           'material_ID', 'used_material', 'tax']].copy()
# indexを削除
new_df = new_df.reset_index().drop('machine_time_cost', axis=1)

やろうとしていることが複数あるので、問題を分割したほうが質問を出す際にも、回答を受ける際にもわかりやすいかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

同じタグがついた質問を見る

  • Python 3.x

    7387questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

  • pandas

    673questions

    Pandasは、PythonでRにおけるデータフレームに似た型を持たせることができるライブラリです。 行列計算の負担が大幅に軽減されるため、Rで行っていた集計作業をPythonでも比較的簡単に行えます。 データ構造を変更したりデータ分析したりするときにも便利です。