ロウデータより要素を取り出して、マトリックス表を作成したい。

Question

Pythonで下記のようなCSVファイルを読み込んで、マトリクスを作成したいのですが、うまく行きません。
よろしければどのように書けばよいか、ご教授いただけないでしょうか。
Pandasのライブラリを使わない方法があれば、そちらを知りたいです。
Pandasの書き方でしか実装不可能な場合は、そちらでも構いません。
よろしくお願いいたします。

###読み込みCSV

名前,学年,特徴,記載者
A子,3年,長身,B助
A子,3年,スレンダー,C世
A子,3年,マイペース,D太
A子,3年,泣き虫,D太
B助,2年,静か,A子
B助,2年,チビ,D太
B助,2年,人見知り,D太
C世,3年,マイペース,A子
C世,3年,人見知り,D太

###抽出フォーマット

	名前	長身	スレンダー	マイペース	泣き虫	静か	チビ	人見知り
A子	◯	◯	◯	◯	◯
B助			◯	◯	◯
C世		◯		◯

Answer 1

pandas.pivot_tableを使えば、以下のように行毎の値を列毎に変換できます。

import pandas as pd
import numpy as np
from io import StringIO
pd.set_option('display.unicode.east_asian_width', True)

# サンプルデータ読込
csvStr = u"""
名前,学年,特徴,記載者
A子,3年,長身,B助
A子,3年,スレンダー,C世
A子,3年,マイペース,D太
A子,3年,泣き虫,D太
B助,2年,静か,A子
B助,2年,チビ,D太
B助,2年,人見知り,D太
C世,3年,マイペース,A子
C世,3年,人見知り,D太
"""
csvIo = StringIO(csvStr)
df = pd.read_csv( csvIo, sep=",", skipinitialspace=True)

df = df.drop(['学年','記載者'], axis=1) # 不要な列を削除
df['dummy'] = 1 # pivot_tableでの値集計用のダミー列を追加
print(df)

# 特徴を列持ちに
df2 = df.pivot_table(values='dummy', index='名前', columns='特徴',fill_value = 0)
print(df2)

結果

  名前        特徴  dummy
0  A子        長身      1
1  A子  スレンダー      1
2  A子  マイペース      1
3  A子      泣き虫      1
4  B助        静か      1
5  B助        チビ      1
6  B助    人見知り      1
7  C世  マイペース      1
8  C世    人見知り      1
特徴  スレンダー  チビ  マイペース  人見知り  泣き虫  長身  静か
名前                                                              
A子              1     0           1         0       1     1     0
B助              0     1           0         1       0     0     1
C世              0     0           1         1       0     0     0

Answer 2

Pandas 等のライブラリを使った方が楽な気がしますが、人力でやる方法を：

今回作りたい成果物（抽出フォーマット）は一般的にピボットテーブルと呼ばれます。Excelでおなじみのやつです。ピボットテーブルを作るには

1. 元データの集計
2. ピボットテーブルの作成

の２ステップが必要になります。

---

STEP1. 元データの集計

今回、人物:特徴 が 1:n の関係にあり、人物および人物に対する特徴は重複しない（A子さんの特徴は「長身かつ長身」みたいなデータはNG）ので、人物の辞書(dict型)に特徴の集合(set型)を格納するデータフォーマットにするのが良いと思います。

csvモジュールでCSVデータを読み込み、defaultdictモジュールを使ってデータの集計を行います。

from collections import defaultdict
import csv

csv_data = """A子,3年,長身,B助
A子,3年,スレンダー,C世
A子,3年,マイペース,D太
A子,3年,泣き虫,D太
B助,2年,静か,A子
B助,2年,チビ,D太
B助,2年,人見知り,D太
C世,3年,マイペース,A子
C世,3年,人見知り,D太"""

persons = defaultdict(set)  # 辞書を定義

for row in csv.reader(csv_data.split()):
    persons[row[0]].add(row[2])  # 辞書に各個人の特徴を入れていく

"""結果:
defaultdict(<class 'set'>,
            {'A子': {'スレンダー', '泣き虫', 'マイペース', '長身'},
             'B助': {'人見知り', 'チビ', '静か'},
             'C世': {'人見知り', 'マイペース'}})
"""

---

STEP2. ピボットテーブルの作成

まず成果物のカラム（列）を定義します。上記で集計した特徴データの和集合をヘッダとするのがよいと思います。

# union() 関数を使って各人物の特徴の和集合を作りリストとして格納
characters = list(set().union(*persons.values()))

# ヘッダを表示
print(','.join(['名前'] + characters))

最後に実データの作成です。for 文で人物の辞書(persons)を走査しつつ、該当の特徴が存在したら ○、しなかったら 空文字を表示するようにします。

for p in persons:
    print(p, end='')
    for c in characters:
        if c in persons[p]:
            print(',○', end='')
        else:
            print(',', end='')
    print('')

"""結果:
名前,人見知り,スレンダー,チビ,マイペース,泣き虫,長身
A子,,○,,○,○,○
B助,○,,○,,,
C世,○,,,○,,
"""

余談ですが、このままだとコードが長いので Python の内包表記というテクニックを使うとシンプルに書けます。

for p in persons:
    print(','.join([p] + ['◯' if c in persons[p] else '' for c in characters]))

"""結果:
名前,長身,人見知り,スレンダー,チビ,泣き虫,マイペース
A子,◯,,◯,,◯,◯
B助,,◯,,◯,,
C世,,◯,,,,◯
"""

こんなかんじでしょうか・・