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

90.50%

  • Python 3.x

    6415questions

    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

    584questions

    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で値がTrueの時に、対応する列ラベルを取り出したい。短時間で実行するにはどうしたらよいか。

解決済

回答 2

投稿

  • 評価
  • クリップ 1
  • VIEW 300

tecton00

score 2

前提・実現したいこと

以下のようなブーリアン型の表があるときに、Trueの値がある列のラベルを取り出してまとめたいです。

処理前の表

product key1 key2 key3
ProductA True False False
ProductB False Ture False
ProductC True False True

処理後の表

product key1 key2 key3 keys
ProductA True False False key1
ProductB False Ture False key2
ProductC True False True key1,key3

発生している問題・エラーメッセージ

以下のようなfor文を使ったコードで目的にあったリストを作ることができたのですが、大きなデータフレーム(400列、15万行)に適用すると実行に数時間かかってしまいます。もっと短時間で実行できるような書き方はできないでしょうか?

該当のソースコード

import pandas as pd
import numpy as np

df = pd.DataFrame([
  ["ProductA", True, False, False],
  ["ProductB", False, True, False],
  ["ProductC", True, False, True]],
  columns=['product', 'key1', 'key2', 'key3'])

keys = []
for col in range(0,len(df.index)):
    key = []
    for row in range(1,len(df.columns)):
        if df.iloc[[col],[row]].values:
            key.append(df.columns[row])
    keys.append(key)
keys
  • 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

+2

pandasで書くならこんな感じですかね。

import pandas as pd

# 行ごとのデータを受け取って、Trueの列だけのindexをリストに変換してjoinするlambda関数を定義
f = lambda series: ",".join(series.index[series==True].tolist())

# 入出力例
f(df.iloc[2])
# >'key1,key3'

# applyでaxis=1(行方向に演算)でfuncを適用する
# 結果をdfのkeys列に新規に挿入
df['keys'] = df.apply(f, axis = 1)

df
# >     product   key1   key2   key3       keys
# > 0  ProductA   True  False  False       key1
# > 1  ProductB  False   True  False       key2
# > 2  ProductC   True  False   True  key1,key3

無理にlambdaを使わなくても普通の関数でもOKです。

def func(series):
    columnNames=series.index[series==True].tolist()
    return ",".join(columnNames)

df['keys'] = df.apply(func, axis = 1)

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。

  • 2017/11/07 23:10

    ご教示ありがとうございます。
    おかげさまで実際のデータでも短時間で実行することができました。
    lambda関数は今まで避けてきたのですが、きちんと勉強しようと思います。

    キャンセル

checkベストアンサー

+1

以下が時間消費の主因になっていると考えます。 

  1. forループを二重に回しているところ。 
  2. ループの最奥でappendを一々実行しているところ。 

これを解消するため以下の点に留意してスクリプト後半を書きかえてみました。 

  1. ループの外に出せる処理は全て外に出す。 
  2. Trueである列の列番号を行毎に拾う処理をリスト内包表記で記述して、forループを一つ消す。
  3. 拾った列番号は別リスト(df1)に格納。それ以外の処理はループ内では一切行わない。 
df1  = list(np.repeat("",len(df.index)))
l    = len(df.ix[0])
cols = list(df)

for row in range(0,len(df.index)):
    df1[row] = [x[0] for x in enumerate(df.ix[row, range(1,l)]) if x[1]]

# とりあえず第2行目の結果をそれっぽく出力してみる。
print df.ix[1,0]+"\t", "\t".join( [cols[x+1] for x in df1[1]] )

5000行 x 400列のデータを処理してみたところ、質問文にあるスクリプトでは 1280秒掛かった処理が、上記改変版では7秒で終わりました。

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。

  • 2017/11/05 05:45

    ご教示ありがとうございました!
    私の環境でも数時間かかっていた処理が数十秒で実行できました。
    考え方も教えていただきありがとうございます。データ量が多くなるとコードの書き方ひとつで処理能力が大きく変わることを実感できました。

    キャンセル

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 90.50%
  • 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 3.x

    6415questions

    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

    584questions

    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。