teratail
回答率
85.35%
teratail header banner
teratail header banner
質問するログイン新規登録
トップに関する質問Python 指定のコラムの数字のMax,平均などの確認

編集履歴

質問編集履歴

7

コード

2020/02/23 13:15

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -1,27 +1,3 @@
1
- 【実行したいこと】
2
-
3
- 1.エクセルをImport
4
-
5
- 2.指定の言葉が入ってる行のみ抽出
6
-
7
- 3.GroupByでまとめ
8
-
9
- 4.指定の文字を含む行の数字を確認
10
-
11
-
12
-
13
- 【試したこと調査したこと】
14
-
15
- 1.行を抽出する方法
16
-
17
- https://note.nkmk.me/python-pandas-str-contains-match/
18
-
19
- https://deepage.net/features/pandas-cond-extraction.html
20
-
21
- 指定でできるかなと
22
-
23
-
24
-
25
1
  ```
26
2
 
27
3
  import pandas as pd
@@ -58,34 +34,220 @@
58
34
 
59
35
  ```
60
36
 
61
- 【結果】
62
-
63
- CSVをそのままあげる方法がわからず、結果と表の例を記入させていただきます。
64
-
65
- りんごの合計売上の平均はりんごの合計売上の最大は？りんごの頻出回数は？
66
-
67
- などを商品ごとに出したい。
68
-
69
- ![イメージ説明](80d0a9a7f726123cbb71e59284798988.png)
70
-
71
-
72
-
73
-
74
-
75
-
76
-
77
- |列1|列2|列3|列1|列2|
78
-
79
- |:--|:--:|--:|
80
-
81
- 合計売上|一個値段|お店|商品|地域
82
-
83
- 10|2|お店|りごご|神奈川
84
-
85
- 20|2|お店|みかん|千葉
86
-
87
- 30|3|お店|レモン|東京
88
-
89
- 30|3|お店|レモン|東京
90
-
91
- n|n|n|n|n
37
+
38
+
39
+ ```CSV
40
+
41
+ 時間,合計売上,一個値段,お店,商品,地域,,,,,,,,,,,,,,,,,,
42
+
43
+ "Jul 1, 2019 - Jan 13, 2020",133326.70,1452.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
44
+
45
+ "Jul 1, 2019 - Jan 13, 2020",9395.19,102.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
46
+
47
+ "Jul 1, 2019 - Jan 13, 2020",127079.27,1375.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
48
+
49
+ "Jul 1, 2019 - Jan 13, 2020",132558.81,1465.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
50
+
51
+ "Jul 1, 2019 - Jan 13, 2020",170284.76,1904.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
52
+
53
+ "Jul 1, 2019 - Jan 13, 2020",54659.79,785.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
54
+
55
+ "Jul 1, 2019 - Jan 13, 2020",190579.11,2101.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
56
+
57
+ "Jul 1, 2019 - Jan 13, 2020",280390.71,3077.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
58
+
59
+ "Jul 1, 2019 - Jan 13, 2020",1237384.22,15799.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
60
+
61
+ "Jul 1, 2019 - Jan 13, 2020",154110.71,2937.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
62
+
63
+ "Jul 1, 2019 - Jan 13, 2020",790624.08,9335.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
64
+
65
+ "Jul 1, 2019 - Jan 13, 2020",282542.22,4369.00,八百屋,りんご,千葉,,,,,,,,,,,,,,,,,,
66
+
67
+ "Jul 1, 2019 - Jan 13, 2020",340191.81,4404.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
68
+
69
+ "Jul 1, 2019 - Jan 13, 2020",582867.70,7924.00,八百屋,りんご,千葉,,,,,,,,,,,,,,,,,,
70
+
71
+ "Jul 1, 2019 - Jan 13, 2020",468990.85,6365.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
72
+
73
+ "Jul 1, 2019 - Jan 13, 2020",64832.70,712.00,八百屋,りんご,千葉,,,,,,,,,,,,,,,,,,
74
+
75
+ "Jul 1, 2019 - Jan 13, 2020",168614.78,1850.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
76
+
77
+ "Jul 1, 2019 - Jan 13, 2020",49834.91,550.00,八百屋,りんご,東京,,,,,,,,,,,,,,,,,,
78
+
79
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
80
+
81
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
82
+
83
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
84
+
85
+ "Jul 1, 2019 - Jan 13, 2020",16019.16,495.00,八百屋,レモン,東京,,,,,,,,,,,,,,,,,,
86
+
87
+ "Jul 1, 2019 - Jan 13, 2020",16100.74,435.00,八百屋,レモン,東京,,,,,,,,,,,,,,,,,,
88
+
89
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
90
+
91
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
92
+
93
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
94
+
95
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
96
+
97
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
98
+
99
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
100
+
101
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
102
+
103
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
104
+
105
+ "Jul 1, 2019 - Jan 13, 2020",2752.97,64.00,八百屋,レモン,東京,,,,,,,,,,,,,,,,,,
106
+
107
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
108
+
109
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
110
+
111
+ "Jul 1, 2019 - Jan 13, 2020",0.00,0,-,レモン,東京,,,,,,,,,,,,,,,,,,
112
+
113
+ "Jul 1, 2019 - Jan 13, 2020",15671.61,427.00,八百屋,レモン,東京,,,,,,,,,,,,,,,,,,
114
+
115
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,レモン,神奈川,,,,,,,,,,,,,,,,,,
116
+
117
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,レモン,神奈川,,,,,,,,,,,,,,,,,,
118
+
119
+ "Jul 1, 2019 - Mar 31, 2020",3591.89,29.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
120
+
121
+ "Jul 1, 2019 - Mar 31, 2020",190.00,1.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
122
+
123
+ "Jul 1, 2019 - Mar 31, 2020",456.60,2.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
124
+
125
+ "Jul 1, 2019 - Mar 31, 2020",320.00,3.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
126
+
127
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,レモン,神奈川,,,,,,,,,,,,,,,,,,
128
+
129
+ "Jul 1, 2019 - Mar 31, 2020",1457.67,8.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
130
+
131
+ "Jul 1, 2019 - Mar 31, 2020",0.00,1.00,八百屋,レモン,神奈川,,,,,,,,,,,,,,,,,,
132
+
133
+ "Jul 1, 2019 - Mar 31, 2020",137.56,1.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
134
+
135
+ "Jul 1, 2019 - Mar 31, 2020",2002.30,12.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
136
+
137
+ "Jul 1, 2019 - Mar 31, 2020",90.69,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
138
+
139
+ "Jul 1, 2019 - Mar 31, 2020",500.00,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
140
+
141
+ "Jul 1, 2019 - Mar 31, 2020",390.00,3.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
142
+
143
+ "Jul 1, 2019 - Mar 31, 2020",0.00,1.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
144
+
145
+ "Jul 1, 2019 - Mar 31, 2020",250.00,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
146
+
147
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
148
+
149
+ "Jul 1, 2019 - Mar 31, 2020",2521.32,15.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
150
+
151
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
152
+
153
+ "Jul 1, 2019 - Mar 31, 2020",800.00,6.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
154
+
155
+ "Jul 1, 2019 - Mar 31, 2020",297.69,3.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
156
+
157
+ "Jul 1, 2019 - Mar 31, 2020",72.55,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
158
+
159
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
160
+
161
+ "Jul 1, 2019 - Mar 31, 2020",1208.90,7.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
162
+
163
+ "Jul 1, 2019 - Mar 31, 2020",200.00,1.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
164
+
165
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
166
+
167
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
168
+
169
+ "Jul 1, 2019 - Mar 31, 2020",1075.00,7.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
170
+
171
+ "Jul 1, 2019 - Mar 31, 2020",187.56,1.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
172
+
173
+ "Jul 1, 2019 - Mar 31, 2020",2542.74,13.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
174
+
175
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
176
+
177
+ "Jul 1, 2019 - Mar 31, 2020",0.00,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
178
+
179
+ "Jul 1, 2019 - Mar 31, 2020",370.50,4.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
180
+
181
+ "Jul 1, 2019 - Mar 31, 2020",640.00,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
182
+
183
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
184
+
185
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
186
+
187
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
188
+
189
+ "Jul 1, 2019 - Mar 31, 2020",268.22,3.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
190
+
191
+ "Jul 1, 2019 - Mar 31, 2020",0.00,2.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
192
+
193
+ "Jul 1, 2019 - Mar 31, 2020",650.00,5.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
194
+
195
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
196
+
197
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
198
+
199
+ "Jul 1, 2019 - Mar 31, 2020",448.64,3.00,八百屋,みかん,神奈川,,,,,,,,,,,,,,,,,,
200
+
201
+ "Jul 1, 2019 - Mar 31, 2020",0.00,0,-,みかん,神奈川,,,,,,,,,,,,,,,,,,
202
+
203
+ "Jul 1, 2019 - May 31, 2020",0.00,0.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
204
+
205
+ "Jul 1, 2019 - May 31, 2020",5905.37,260.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
206
+
207
+ "Jul 1, 2019 - May 31, 2020",7360.01,350.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
208
+
209
+ "Jul 1, 2019 - May 31, 2020",31.16,2.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
210
+
211
+ "Jul 1, 2019 - May 31, 2020",35.00,2.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
212
+
213
+ "Jul 1, 2019 - May 31, 2020",1708.10,81.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
214
+
215
+ "Jul 1, 2019 - May 31, 2020",1379.71,66.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
216
+
217
+ "Jul 1, 2019 - May 31, 2020",334.06,17.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
218
+
219
+ "Jul 1, 2019 - May 31, 2020",18.99,2.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
220
+
221
+ "Jul 1, 2019 - May 31, 2020",18.05,1.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
222
+
223
+ "Jul 1, 2019 - May 31, 2020",171.22,6.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
224
+
225
+ "Jul 1, 2019 - May 31, 2020",6.07,1.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
226
+
227
+ "Jul 1, 2019 - May 31, 2020",1826.98,61.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
228
+
229
+ "Jul 1, 2019 - May 31, 2020",105.05,4.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
230
+
231
+ "Jul 1, 2019 - May 31, 2020",104.76,4.00,スーパー,もも,千葉,,,,,,,,,,,,,,,,,,
232
+
233
+ "Jul 1, 2019 - May 31, 2020",1592.57,29.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
234
+
235
+ "Jul 1, 2019 - May 31, 2020",3019.90,42.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
236
+
237
+ "Jul 1, 2019 - May 31, 2020",57150.99,1052.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
238
+
239
+ "Jul 1, 2019 - May 31, 2020",164671.87,3485.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
240
+
241
+ "Jul 1, 2019 - May 31, 2020",5031.62,93.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
242
+
243
+ "Jul 1, 2019 - May 31, 2020",33436.22,622.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
244
+
245
+ "Jul 1, 2019 - May 31, 2020",79.28,4.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
246
+
247
+ "Jul 1, 2019 - May 31, 2020",1043.03,25.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
248
+
249
+ "Jul 1, 2019 - May 31, 2020",6249.51,156.00,スーパー,ぶどう,千葉,,,,,,,,,,,,,,,,,,
250
+
251
+
252
+
253
+ ```

6

コード

2020/02/23 13:15

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -36,7 +36,7 @@
36
36
 
37
37
  #八百屋だけだす#合計値をだす
38
38
 
39
- grp=df[df['お店']=='八百屋'].groupby(['お店','商品','地域'],as_index='地域').sum().round(0)
39
+ grp=df[df['お店']=='八百屋'].groupby(['地域','お店','商品'],as_index='地域').sum().round(0)
40
40
 
41
41
  #個数を入れる
42
42
 
@@ -48,7 +48,7 @@
48
48
 
49
49
 
50
50
 
51
- #神奈川合計売上の平均、最大、神奈川の出現回数などを出したい。
51
+ #商品ごとの合計売上の平均、最大、商品ごとのの出現回数などを出したい。
52
52
 
53
53
  #失敗のコード
54
54
 
@@ -62,9 +62,11 @@
62
62
 
63
63
  CSVをそのままあげる方法がわからず、結果と表の例を記入させていただきます。
64
64
 
65
+ りんごの合計売上の平均はりんごの合計売上の最大は？りんごの頻出回数は？
65
66
 
67
+ などを商品ごとに出したい。
66
68
 
67
- ![イメージ説明](0a4704b66dccacad409f5612041a17b4.png)
69
+ ![イメージ説明](80d0a9a7f726123cbb71e59284798988.png)
68
70
 
69
71
 
70
72
 

5

コード

2020/02/23 05:24

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -48,7 +48,7 @@
48
48
 
49
49
 
50
50
 
51
- #神奈川のみかんの合計売上の平均、最大、神奈川の出現回数などを出したい。
51
+ #神奈川合計売上の平均、最大、神奈川の出現回数などを出したい。
52
52
 
53
53
  #失敗のコード
54
54
 

4

コード

2020/02/23 05:21

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -20,76 +20,70 @@
20
20
 
21
21
  指定でできるかなと
22
22
 
23
- grp[['合計金額','価格']].round(0).grp[['レモン']]
24
23
 
25
- grp[['合計金額','価格'=='レモン']]などを試してみましがわからないのでご教授お願いします
26
-
27
- 実際のコード
28
24
 
29
25
  ```
30
26
 
31
- df1=pd.read_excel('test.xlsx', sheet_name=0)
27
+ import pandas as pd
32
-
33
- df1[df1['お店の名前']=='八百屋'].head()
34
-
35
- grp=df1[df1['お店の名前']=='八百屋'].groupby(['地域', 'お店の名前','商品名'] ,as_index='地域').sum().round(0)
36
28
 
37
29
 
38
30
 
39
- grp['価格']=grp['合計金額']/grp['個数'].round(0)
31
+ pd.set_option('display.max_rows', 150)
40
32
 
33
+ df=pd.read_csv('testcopy.csv')
34
+
35
+ df
36
+
37
+ #八百屋だけだす#合計値をだす
38
+
39
+ grp=df[df['お店']=='八百屋'].groupby(['お店','商品','地域'],as_index='地域').sum().round(0)
40
+
41
+ #個数を入れる
42
+
43
+ grp['個数']=grp['合計売上']/grp['一個値段'].round(0)
44
+
45
+ #必要な情報だけだす
46
+
41
- grp[['合計金額','価格']].round(0)
47
+ grp[['合計売上','一個値段','個数']]
48
+
49
+
50
+
51
+ #神奈川のみかんの合計売上の平均、最大、神奈川の出現回数などを出したい。
52
+
53
+ #失敗のコード
54
+
55
+ grp[['合計売上','一個値段','個数'=='神奈川]].mean()
56
+
57
+ grp['神奈川'].mean()
42
58
 
43
59
  ```
44
60
 
45
-
46
-
47
61
  【結果】
48
62
 
49
- |列1|列2|列3|列４|列5|
50
-
51
- |:--|:--:|--:|--:|--:|
52
-
53
- |地域|お店の名前|商品名|合計金額|価格
54
-
55
- |神奈川|A|D|1000|200000|40000000
63
+ CSVをそのままあげる方法がわからず、結果と表の例を記入させていただきます。
56
-
57
- 東京|B|E|1000|100000|10000000
58
-
59
- 千葉|C|F|1000|100000|10000000
60
64
 
61
65
 
62
66
 
63
- 実際には三つ指定してGroupByしてるので、A,B、C列では階層になっております。
64
-
65
- 今回はCの階層を調べたい。
66
-
67
- ![イメージ説明](c0d4597d5d6f3f925ec8d094db64e234.png)
67
+ ![イメージ説明](0a4704b66dccacad409f5612041a17b4.png)
68
68
 
69
69
 
70
70
 
71
- 【欲しい結果】
72
-
73
- C列が例えば
74
-
75
- 商品名
76
-
77
- 神奈川　お店A
78
-
79
- りんご　200
80
-
81
- レモン 100
82
-
83
- 東京　お店B
84
-
85
- りんご　200
86
-
87
- レモン 100
88
-
89
- みかん　200
90
71
 
91
72
 
92
73
 
93
- ってあった場合に
94
74
 
75
+ |列1|列2|列3|列1|列2|
76
+
77
+ |:--|:--:|--:|
78
+
79
+ 合計売上|一個値段|お店|商品|地域
80
+
81
+ 10|2|お店|りごご|神奈川
82
+
95
- りんご、レモン、みかんそれぞれの、Mean、MAX、minimu,個数を出したい。
83
+ 20|2|お店|みかん|千葉
84
+
85
+ 30|3|お店|レモン|東京
86
+
87
+ 30|3|お店|レモン|東京
88
+
89
+ n|n|n|n|n

3

試したこと

2020/02/23 05:18

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -10,9 +10,19 @@
10
10
 
11
11
 
12
12
 
13
+ 【試したこと調査したこと】
13
14
 
15
+ 1.行を抽出する方法
14
16
 
17
+ https://note.nkmk.me/python-pandas-str-contains-match/
15
18
 
19
+ https://deepage.net/features/pandas-cond-extraction.html
20
+
21
+ 指定でできるかなと
22
+
23
+ grp[['合計金額','価格']].round(0).grp[['レモン']]
24
+
25
+ grp[['合計金額','価格'=='レモン']]などを試してみましがわからないのでご教授お願いします
16
26
 
17
27
  実際のコード
18
28
 

2

コード

2020/02/23 02:11

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -26,7 +26,7 @@
26
26
 
27
27
 
28
28
 
29
- grp['価格']=grp3['合計金額']/grp3['個数'].round(0)
29
+ grp['価格']=grp['合計金額']/grp['個数'].round(0)
30
30
 
31
31
  grp[['合計金額','価格']].round(0)
32
32
 

1

コード

2020/02/22 14:02

投稿

pon244
pon244

スコア59

test CHANGED
File without changes
test CHANGED
@@ -22,7 +22,7 @@
22
22
 
23
23
  df1[df1['お店の名前']=='八百屋'].head()
24
24
 
25
- grp=df1[df1['お店の名前']=='八百屋'].groupby(['地域', 'お店の名前','商品名'] ,as_index='Handle').sum().round(0)
25
+ grp=df1[df1['お店の名前']=='八百屋'].groupby(['地域', 'お店の名前','商品名'] ,as_index='地域').sum().round(0)
26
26
 
27
27
 
28
28