3

以前の質問の拡張です。

xに入っている路線名を、辞書line_namesにあるような数字に置き換えたいと考えています。
しかし、路線名にはJRや都営などが付いたり、つかなかったりなど揺らぎあることが分かりました。

現在用意したcodeでは、完全に一致するもののみ、置き換えます。

用意した辞書と部分的に一致したものを番号に変換し、一致しないものは、欠損値にしたいのですが、
ご教示頂けるとありがたいです。

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {'x': ['JR山手線',
           '山手線',
           'JR総武線',
           '総武線',
           '西武池袋線',
           '都営大江戸線',
           '大江戸線',
           'JR中央線',
           '中央線',
           'バス',
           '車']})

line_names = {"山手線":"1",
        "総武線":"2",
        "西武池袋線":"3",
        "都営大江戸線":"4",
        "中央線":"5"}

#get() を使うとデフォルト値を指定できます。
df['y'] = df.apply(lambda row: line_names.get(row["x"], np.NaN), axis=1)
2
  • lambdaで書かれている部分をもうちょっと柔軟な関数に置き換えるとか。例えば、正規表現を使ったマッチにすれば完全一致以外にも対応できますね。 Commented 2018年8月31日 22:23
  • ありがとうございます。今後の課題とします!
    – kazusumi
    Commented 2018年9月1日 21:14

1 件の回答 1

1

関数を作ってこんな感じで書けます。

def get_line(x):
    for l in line_names:
        if l in x :
          return line_names[l]
    return np.NaN

df['y'] = df['x'].map(get_line)

実際の問題では、dfに大量のデータがあるので、先にdf['x'].unique()df内にある路線名を全て抽出して、それの番号を計算して辞書を作っておくと処理が速くなります。

1
  • 関数を示唆して頂きましたこと、お礼申し上げます。.unique()を知りませんでしたので、大変助かります。
    – kazusumi
    Commented 2018年9月1日 21:13

この質問に回答するには、ログインする必要があります。

求めていた回答ではありませんか? のタグが付いた他の質問を参照する。