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!

新規登録して質問してみよう
ただいま回答率
85.50%
Python 3.x

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。

Python

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

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。

Q&A

解決済

1回答

358閲覧

Pandasデータフレームを加工し、別のデータフレームを作成したい

taku-s

総合スコア12

Python 3.x

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。

Python

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

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。

0グッド

0クリップ

投稿2022/11/30 06:59

前提

最近仕事でPandasを使用している、Pandas初心者です。
簡単な操作はできるのですが、大きくデータを加工することが初めてでイマイチプログラムの書き方がわからない為teratailで質問しました。
とっかかりが掴めず、最初の処理以前の段階で止まってしまっています。知っている方にプログラムの書き方を教えていただきたいです。

データフレームの中身は質問の為少なくしていますが、実際のデータ量は3万行ほどの予定です。

実現したいこと

以下のデータフレームがあります。

英語問題数英語正答数国語問題数国語正答数
Japan2083026
America2018304
Japan20123028
Japan20173025
America20193018
America20163020
JapanNaNNaN3030
Japan20133025
China20163024
America2020NaNNaN
Japan2053025
Japan20143025
America20153020
Japan2083018
AmericaNaNNaN307

上記のデータフレームを以下のデータフレームの形にまとめたいです。
具体的には1Seriesを国毎とし、人数、問題数、平均正答数、平均正答率、中央値、標準偏差の列を持つデータフレームを新たに作成したいです。

英語人数英語問題数英語平均正答数英語平均正答率英語中央値英語標準偏差国語人数国語問題数国語平均正答数国語平均正答率国語中央値国語標準偏差
Japan720110.5583025.250.84
America52017.60.8853013.80.46
Total132013.90.7143022.70.7

※中央値、標準偏差の値も必要です。

考えたこと

新たにデータフレームを作る方法が分からず、手がかりがない状態なのですが、
おそらく最初の処理として国毎にグループ化するとうまくいきそうだと考え、関数を探しました。
ただ、その後でわからなくなってしまいました。

df.groupby() df.median() df.mean() df.std()

元となるデータフレーム

Python

1import pandas as pd 2import numpy as np 3 4df = pd.DataFrame( 5 data=np.array([["Japan", 20, 8, 30, 26], 6 ["America", 20, 18, 30, 4], 7 ["Japan", 20, 12, 30, 28], 8 ["Japan", 20, 17, 30, 25], 9 ["America", 20, 19, 30, 18], 10 ["America", 20, 16, 30, 20], 11 ["Japan", "", "", 30, 30], 12 ["Japan", 20, 13, 30, 25], 13 ["China", 20, 16, 30, 24], 14 ["America", 20, 20, "", ""], 15 ["Japan", 20, 5, 30, 25], 16 ["Japan", 20, 14, 30, 25], 17 ["America", 20, 15, 30, 20], 18 ["Japan", 20, 8, 30, 18], 19 ["America", "", "", 30, 7]]), 20 columns=['国', '英語問題数', '英語正答数', '国語問題数', '国語正答数'] 21 )

補足情報(FW/ツールのバージョンなど)

Windows10
Anaconda
Python 3.9.13
pandas 1.5.1

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

groupby() + agg().

python

1import pandas as pd 2import numpy as np 3 4df = pd.DataFrame( 5 data=np.array([["Japan", 20, 8, 30, 26], 6 ["America", 20, 18, 30, 4], 7 ["Japan", 20, 12, 30, 28], 8 ["Japan", 20, 17, 30, 25], 9 ["America", 20, 19, 30, 18], 10 ["America", 20, 16, 30, 20], 11 ["Japan", "", "", 30, 30], 12 ["Japan", 20, 13, 30, 25], 13 ["China", 20, 16, 30, 24], 14 ["America", 20, 20, "", ""], 15 ["Japan", 20, 5, 30, 25], 16 ["Japan", 20, 14, 30, 25], 17 ["America", 20, 15, 30, 20], 18 ["Japan", 20, 8, 30, 18], 19 ["America", "", "", 30, 7]]), 20 columns=['国', '英語問題数', '英語正答数', '国語問題数', '国語正答数'] 21 ) 22 23dfx = df.groupby('国', sort=False).agg( 24 英語人数=('英語問題数', lambda x: x.ne('').sum()), 25 英語問題数=('英語問題数', 'first'), 26 英語平均正答数=('英語正答数', lambda x: pd.to_numeric(x, errors='coerce').mean()), 27 英語中央値=('英語正答数', lambda x: pd.to_numeric(x, errors='coerce').median()), 28 英語標準偏差=('英語正答数', lambda x: pd.to_numeric(x, errors='coerce').std()), 29 国語人数=('国語問題数', lambda x: x.ne('').sum()), 30 国語問題数=('国語問題数', 'first'), 31 国語平均正答数=('国語正答数', lambda x: pd.to_numeric(x, errors='coerce').mean()), 32 国語中央値=('国語正答数', lambda x: pd.to_numeric(x, errors='coerce').median()), 33 国語標準偏差=('国語正答数', lambda x: pd.to_numeric(x, errors='coerce').std()), 34) 35dfx.insert(3, '英語平均正答率', dfx['英語平均正答数']/dfx['英語問題数'].astype(int)) 36dfx.insert(9, '国語平均正答率', dfx['国語平均正答数']/dfx['国語問題数'].astype(int)) 37 38total = { 39 '英語正答数': pd.to_numeric(df['英語正答数'], errors='coerce'), 40 '英語問題数': df.loc[df['英語問題数'].ne(''), '英語問題数'].astype(int)[0], 41 '国語正答数': pd.to_numeric(df['国語正答数'], errors='coerce'), 42 '国語問題数': df.loc[df['国語問題数'].ne(''), '国語問題数'].astype(int)[0], 43} 44dfx.loc['Total'] = [ 45 df['英語問題数'].ne('').sum(), 46 total['英語問題数'], 47 total['英語正答数'].mean(), 48 total['英語正答数'].mean() / total['英語問題数'], 49 total['英語正答数'].median(), 50 total['英語正答数'].std(), 51 df['国語問題数'].ne('').sum(), 52 total['国語問題数'], 53 total['国語正答数'].mean(), 54 total['国語正答数'].mean() / total['国語問題数'], 55 total['国語正答数'].median(), 56 total['国語正答数'].std(), 57] 58 59print(dfx)
英語人数英語問題数英語平均正答数英語平均正答率英語中央値英語標準偏差国語人数国語問題数国語平均正答数国語平均正答率国語中央値国語標準偏差
Japan720110.55124.1633383025.250.841667253.45378
America52017.60.88182.0736453013.80.46187.69415
China120160.816nan130240.824nan
Total132013.92310.696154154.59096143021.07140.70238124.57.5086

投稿2022/11/30 09:45

melian

総合スコア19618

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

taku-s

2022/12/01 00:08

返答ありがとうございます、groupby()でまとめてからagg()でまとめて計算処理をかけてデータフレームを修正するんですね。自分の知識がほとんどない為、ひとつひとつ関数を調べて理解しました。私もこれくらいpandasを使いこなせるようになりたいです。。本当にありがとうございます!
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.50%

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る

質問する

関連した質問