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

90.77%

  • Python

    6904questions

    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。

  • pandas

    492questions

    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。

pandasでStartEnd形式のデータを時系列に整えたい

解決済

回答 2

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 324

hamar1

score 16

pythonでのpandasを用いたデータ処理において詰まっておりますので、ぜひ助けていただけると幸いです。
なにとぞよろしくお願いします。

前提・実現したいこと

ある時間にid=0がどこにあるか(Area)を分類・収集するプログラムが、start endの形式でデータを出力するので、データ処理の行いやすい時系列のデータに変換したい。

元となるStart End形式のデータ(raw_data)を

id | start_time          | end_time            | Area
0  | 2017-09-29 00:00:00 | 2017-09-29 00:00:02 | A
0  | 2017-09-29 00:00:02 | 2017-09-29 00:00:04 | B


時系列に変換したい(02秒でダブりあり)

time                | id  | Area.A | Area.B
2017-09-29 00:00:00 | 0   | 1      | 0
2017-09-29 00:00:01 | 0   | 1      | 0
2017-09-29 00:00:02 | 0   | 1      | 1
2017-09-29 00:00:03 | 0   | 0      | 1
2017-09-29 00:00:04 | 0   | 0      | 1

発生している問題・エラーメッセージ

下記メッセージが出て、処理が終了せず。

A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

該当のソースコード

# --- 入力データの編集 ------
raw_data = pd.csv_read("必要なデータ.csv")
# ダミー変数作成
raw_dummy = pd.get_dummies(copy_raw_data[['Area']])
# 結合
con_data = pd.concat([copy_raw_data,raw_dummy],axis=1)
con_data.reset_index(inplace=True)  # increment変数のため

# --- DatetimeIndexを用意して、新しいDataFrameを作成
dti = pd.date_range(start=min(raw_data['start_time']), end=max(raw_data['end_time']), freq='S')
df_freq = DataFrame(index=dti, columns=raw_dummy.columns)
df_freq['id'] = NA
df_freq.rename(columns={'index': 'time'}, inplace=True)

# --- 以下、問題を抱えている部分-------
for i in con_data['index']:
    t_range = pd.date_range(start=con_data['start_time'][i], end=con_data['end_time'][i],freq='S')
    for t in t_range:
        for c in raw_dummy.columns:
            df_freq[c][t] += con_data[c][i]
df_freq.head()

試したこと

DataFrameのapplyを使う、for文を成型するなどしましたが、うまくいっていません。

補足情報(言語/FW/ツール等のバージョンなど)

python3

  • 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 2

checkベストアンサー

+1

少し遅かった・・・

こんな感じでいかがでしょうか。

挙げて頂いたコードが、一部定義が不明な箇所がありましたので、書き直してみました。

id,start_time,end_time,Area
0,2017-09-29 00:00:00,2017-09-29 00:00:02,A
0,2017-09-29 00:00:02,2017-09-29 00:00:04,B
0,2017-09-29 00:00:04,2017-09-29 00:00:06,A
0,2017-09-29 00:00:06,2017-09-29 00:00:08,B

なるデータに対して

import pandas as pd

raw_data = pd.read_csv('data.csv', parse_dates=['start_time', 'end_time'])

df = pd.DataFrame(index=pd.date_range(start=min(raw_data['start_time']), end=max(raw_data['end_time']), freq='S'))

for col in raw_data['Area'].unique():
    gdf = raw_data.groupby('Area').get_group(col)
    df[col] = df.index.map(lambda d: ((gdf['start_time'] <= d) & (d <= gdf['end_time'])).any())

print(df)
# =>                          A      B
#    2017-09-29 00:00:00   True  False
#    2017-09-29 00:00:01   True  False
#    2017-09-29 00:00:02   True   True
#    2017-09-29 00:00:03  False   True
#    2017-09-29 00:00:04   True   True
#    2017-09-29 00:00:05   True  False
#    2017-09-29 00:00:06   True   True
#    2017-09-29 00:00:07  False   True
#    2017-09-29 00:00:08  False   True

のように書けるかと思います。

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。

  • 2017/10/17 10:27

    @magichan様
    回答いただきありがとうございます。
    めちゃくちゃスッキリ書かれていて感動しました。
    parse_datesやmapなどの関数は初めて知ったので改めてdocument読んでおきます。
    解決済みにした後にベストアンサー変更する方法も調査して対応できればいたします。

    キャンセル

  • 2017/11/17 14:16 編集

    結局、新しいdfのtimeでloopを回すと非常に時間がかかってしまったため、試していく中で以下のコードになりました。

    ```
    df_ret = pd.DataFrame()
    # idごとに処理する
    for i in df['id'].unique():
    gdf = df.groupby('id').get_group(i)
    df_temp = pd.DataFrame(index=pd.date_range(start=min(gdf['start_time']), end=max(gdf['end_time']) , freq='S'))
    for idx, row in gdf.iterrows():
    # 新DFに開始時間を登録
    df_temp.loc[row['start_time']:row['end_time'],row['area']] = 1
    df_temp['id'] = i
    # 処理終了分を結合
    df_ret = pd.concat([df_ret,df_temp], ignore_index=True)
    # すべてのNullを埋めて、INDEXリセット
    df_ret.fillna(0,inplace=True)
    df_ret.reset_index(drop=True, inplace=True)
    df_ret
    ```

    キャンセル

0

自己解決いたしました。
データフレームのセルの指定方法を、df["columns_name"]["row_name"]をdf.loc[row,col]の形式に変更することで上手くいきました。
また、計算結果がNaNになってしまったので、先にfillna(0)で0埋めして欲しい値を得ることが出来ました。

# --- 以下、問題を抱えている部分(修正版)-------
# NAのままでは計算できないので0置換
con_data.fillna(0,inplace=True)
# ループで代入(できればスッキリさせたかった)
for i in con_data['index']:
    t_range = pd.date_range(start=con_data['start_time'][i], end=con_data['end_time'][i],freq='S')
    for t in t_range:
        for c in raw_dummy.columns:
            # df["columns_name"]["row_name"] -> df.loc[row,col]の形式に変更
            df_freq.loc[t,c] += con_data.loc[i,c]


考えて頂いた皆様、ありがとうございました。
別解などでスッキリと書ける方法がございましたらご教授願いたいです。
よろしくお願いします。

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。

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 90.77%
  • 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

関連した質問

同じタグがついた質問を見る

  • Python

    6904questions

    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。

  • pandas

    492questions

    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。