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

    9206questions

    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。

  • Python 3.x

    7398questions

    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

    676questions

    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。

pythonで列を自分で決めてダミー変数変換したい

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,571

rtakar

score 15

前提・実現したいこと

・pandasを利用しcsvファイルから得たデータフレームがある
・年齢データを年代別かつダミー変数に置き換えたい

def convert_age(df):
    for i in df.iterrows():
        #年齢["Age]から年代["Generations"]に
        df["Generations"]=df["Age"]//10
        #12歳なら1、35歳なら3にする

・関数にして他csvファイルを読み込んだときにも使いまわしたい
現在はこのようなコードです

def convert_age(df):
    for i in df.iterrows():
        #年齢["Age]から年代["Generations"]に
        df["Generations"]=df["Age"]//10
        #12歳なら1、35歳なら3にする

    generations_dummies = pd.get_dummies(df["Generations"], drop_first = True)
    generations_dummies.columns=[
                             "generation_1",
                             "generation_2", 
                             "generation_3", 
                             "generation_4",
                             "generation_5", 
                             "generation_6", 
                             "generation_7", 
                             "generation_8"]

発生している問題・エラーメッセージ

train_df=pd.read_csv("./data/train.csv")
test_df=pd.read_csv("./data/test.csv")


・例えばこのように二種類のcsvファイルを読み込んだときに
train_dfには0から80代までいる場合
=>自動で生成されるダミー変数は8(drop_firstしなければ9)

test_dfのcsvファイルには0から80代のうち70代の人がいない場合
=>自動で生成されるダミー変数は7(drop_firstしなければ8)

となりますが、上記のコードだとtrain_dfでは通りますがtest_dfをcovert_ageで変換しようとするとダミー変数の列数が足りずエラーとなってしまいます。

関数にしたままエラーが出ない方法が何かあれば回答よろしくお願いします。

  • 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

質問の意図をはき違いてるかもしれませんが、単純にエラーを回避したいだけであれば、columnsを動的に作りだせば良いです。

import pandas as pd

def convert_age(df):
    for i in df.iterrows():
        df['Generations'] = df['Age'] // 10

df = pd.read_csv('test.csv')
convert_age(df)

dummy = pd.get_dummies(df['Generations'], drop_first=True)
dummy.columns = ['genreration_{}'.format(c) for c in dummy.columns]
print(dummy)

必ず8列ほしいというのであれば、抜けた年代の列は全て0として、Seriesで列データを作って補完してあげれば良いかと思います。

import pandas as pd

def convert_age(df):
    for i in df.iterrows():
        df['Generations'] = df['Age'] // 10

df = pd.read_csv('test.csv')
convert_age(df)

dummy = pd.get_dummies(df["Generations"], drop_first=True)
for g in range(1, 9):
    if g not in dummy.columns:
        dummy[g] = pd.Series(0, index=dummy.index)

dummy.columns = ['genreration_{}'.format(c) for c in dummy.columns]
print(dummy)

投稿

編集

  • 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。

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 90.34%
  • 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られる

同じタグがついた質問を見る

  • Python

    9206questions

    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。

  • Python 3.x

    7398questions

    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

    676questions

    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。