回答編集履歴
4
d
test
CHANGED
|
@@ -102,7 +102,7 @@
|
|
|
102
102
|
|
|
103
103
|
pandas.to_datetime() に exact=False を追加してください。
|
|
104
104
|
|
|
105
|
-
これにより、列名の一部
|
|
105
|
+
これにより、列名の一部が `@_{年}{月}_データ` とマッチすれば、日付に変換できます。
|
|
106
106
|
|
|
107
107
|
|
|
108
108
|
|
3
d
test
CHANGED
|
@@ -89,3 +89,125 @@
|
|
|
89
89
|
# Chibaaa 5157 13378 2190 13378
|
|
90
90
|
|
|
91
91
|
```
|
|
92
|
+
|
|
93
|
+
|
|
94
|
+
|
|
95
|
+
## 追記
|
|
96
|
+
|
|
97
|
+
|
|
98
|
+
|
|
99
|
+
> 複数パターン存在する場合は、どのようにループさせていけば良いでしょうか..？
|
|
100
|
+
|
|
101
|
+
|
|
102
|
+
|
|
103
|
+
pandas.to_datetime() に exact=False を追加してください。
|
|
104
|
+
|
|
105
|
+
これにより、列名の一部に `@_{年}{月}_データ` とマッチすれば、日付に変換できます。
|
|
106
|
+
|
|
107
|
+
|
|
108
|
+
|
|
109
|
+
[pandas.to_datetime — pandas 0.24.2 documentation](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.to_datetime.html)
|
|
110
|
+
|
|
111
|
+
|
|
112
|
+
|
|
113
|
+
変更箇所
|
|
114
|
+
|
|
115
|
+
|
|
116
|
+
|
|
117
|
+
```diff
|
|
118
|
+
|
|
119
|
+
- date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce")
|
|
120
|
+
|
|
121
|
+
+ date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce", exact=False)
|
|
122
|
+
|
|
123
|
+
```
|
|
124
|
+
|
|
125
|
+
|
|
126
|
+
|
|
127
|
+
修正後のコード全体
|
|
128
|
+
|
|
129
|
+
|
|
130
|
+
|
|
131
|
+
```python
|
|
132
|
+
|
|
133
|
+
import pandas as pd
|
|
134
|
+
|
|
135
|
+
import numpy as np
|
|
136
|
+
|
|
137
|
+
|
|
138
|
+
|
|
139
|
+
df = pd.DataFrame(
|
|
140
|
+
|
|
141
|
+
[
|
|
142
|
+
|
|
143
|
+
[2190, 13378, 2190, 13378, 13378, 2190, 13378],
|
|
144
|
+
|
|
145
|
+
[1904, 13378, 2190, 13378, 13378, 2190, 13378],
|
|
146
|
+
|
|
147
|
+
[5157, 13378, 2190, 13378, 13378, 2190, 13378],
|
|
148
|
+
|
|
149
|
+
],
|
|
150
|
+
|
|
151
|
+
columns=[
|
|
152
|
+
|
|
153
|
+
"area",
|
|
154
|
+
|
|
155
|
+
"@_201905_データA",
|
|
156
|
+
|
|
157
|
+
"@_201904_データA",
|
|
158
|
+
|
|
159
|
+
"@_201905_データB",
|
|
160
|
+
|
|
161
|
+
"@_201904_データB",
|
|
162
|
+
|
|
163
|
+
"@_201905_データC",
|
|
164
|
+
|
|
165
|
+
"@_201904_データC",
|
|
166
|
+
|
|
167
|
+
],
|
|
168
|
+
|
|
169
|
+
index=["Tokyooo", "Osaka", "Chibaaa"],
|
|
170
|
+
|
|
171
|
+
)
|
|
172
|
+
|
|
173
|
+
|
|
174
|
+
|
|
175
|
+
def renamer(name):
|
|
176
|
+
|
|
177
|
+
# "@_%Y%m_データ" を datetime に変換する。
|
|
178
|
+
|
|
179
|
+
date = pd.to_datetime(name, format="@_%Y%m_データ", errors="coerce", exact=False)
|
|
180
|
+
|
|
181
|
+
if pd.isna(date):
|
|
182
|
+
|
|
183
|
+
return name # "@_{年}{月}_データ" という形式でない場合
|
|
184
|
+
|
|
185
|
+
|
|
186
|
+
|
|
187
|
+
# 何ヶ月前かを計算する。
|
|
188
|
+
|
|
189
|
+
months = (pd.to_datetime("today") - date) // np.timedelta64(1, "M")
|
|
190
|
+
|
|
191
|
+
|
|
192
|
+
|
|
193
|
+
return f"データ_{months}M"
|
|
194
|
+
|
|
195
|
+
|
|
196
|
+
|
|
197
|
+
|
|
198
|
+
|
|
199
|
+
df.rename(columns=renamer, inplace=True)
|
|
200
|
+
|
|
201
|
+
|
|
202
|
+
|
|
203
|
+
print(df)
|
|
204
|
+
|
|
205
|
+
# area データ_1M データ_2M データ_1M データ_2M データ_1M データ_2M
|
|
206
|
+
|
|
207
|
+
# Tokyooo 2190 13378 2190 13378 13378 2190 13378
|
|
208
|
+
|
|
209
|
+
# Osaka 1904 13378 2190 13378 13378 2190 13378
|
|
210
|
+
|
|
211
|
+
# Chibaaa 5157 13378 2190 13378 13378 2190 13378
|
|
212
|
+
|
|
213
|
+
```
|
2
d
test
CHANGED
|
@@ -18,6 +18,10 @@
|
|
|
18
18
|
|
|
19
19
|
```python
|
|
20
20
|
|
|
21
|
+
|
|
22
|
+
|
|
23
|
+
|
|
24
|
+
|
|
21
25
|
import pandas as pd
|
|
22
26
|
|
|
23
27
|
import numpy as np
|
|
@@ -36,7 +40,7 @@
|
|
|
36
40
|
|
|
37
41
|
],
|
|
38
42
|
|
|
39
|
-
columns=["area", "@_201905_データ", "@_20190
|
|
43
|
+
columns=["area", "@_201905_データ", "@_201904_データ", "@_201903_データ"],
|
|
40
44
|
|
|
41
45
|
index=["Tokyooo", "Osaka", "Chibaaa"],
|
|
42
46
|
|
|
@@ -76,7 +80,7 @@
|
|
|
76
80
|
|
|
77
81
|
print(df)
|
|
78
82
|
|
|
79
|
-
# area データ_1M データ_
|
|
83
|
+
# area データ_1M データ_2M データ_3M
|
|
80
84
|
|
|
81
85
|
# Tokyooo 2190 13378 2190 13378
|
|
82
86
|
|
1
d
test
CHANGED
|
@@ -6,9 +6,9 @@
|
|
|
6
6
|
|
|
7
7
|
|
|
8
8
|
|
|
9
|
-
1. pd.to_datetime で "@_
|
|
9
|
+
1. pd.to_datetime で "@_{年}{月}_データ" を datetime に変換する。
|
|
10
10
|
|
|
11
|
-
2. pd.isna() を調べて、"area" のような "@_
|
|
11
|
+
2. pd.isna() を調べて、"area" のような "@_{年}{月}_データ" という形式でない列は変更しないでそのまま返す。
|
|
12
12
|
|
|
13
13
|
3. 今日の datetime との差分を計算し、何ヶ月前かを調べる。
|
|
14
14
|
|