0

やりたいこと
pythonで2つのエクセルを結合させたいです。
両方のエクセルのキーとなるものはtitle になります。

実現したい結果のように
sample_countryのエクセルmessageIdが入っている値を
countryのmessageIdエクセルへ貼り付けたいです。

sample_countryエクセル
※アメリカのようにtitleは重複する時があります。

createdAt title messageId
2020/5/20 イギリス 2276890175
2020/5/20 アメリカ 2276890177
2020/5/20 アメリカ>ニューヨーク 2276891330
2020/5/20 スペイン 2276891991
2020/5/20 アメリカ 2276891992
2020/5/20 日本 2276891993

countryエクセル
messageIdを貼り付けたいエクセル
messageIdは空白になっております。
sample_countryエクセルとtitleしか一致しないです。

No title messageId
1879 アメリカ
1829 アメリカ>ニューヨーク
1209 スペイン
1029 アメリカ

実現したいエクセルの結果
titleが一致するものに対してmessageIdを貼り付けたいです。

No title messageId
1879 アメリカ 2276890177
1829 アメリカ>ニューヨーク 2276891330
1209 スペイン 2276891991
1029 アメリカ 2276891992

現在の結果
titleが一致するものに対してmessageIdを貼り付ける事ができていますが、
実現したい結果処理が上手く行かず、messageId_x、messageId_yの不要なセルが追加されます。
またアメリカのタイトル何度も重複されます。

No title messageId_x createdAt messageId_y
1879 アメリカ 2020-05-20 00:00:00 2276890177
1879 アメリカ 2020-05-20 00:00:00 2276891992
1029 アメリカ 2020-05-20 00:00:00 2276890177
1029 アメリカ 2020-05-20 00:00:00 2276891992
1829 アメリカ>ニューヨーク 2020-05-20 00:00:00 2276891330
1829 スペイン 2020-05-20 00:00:00 2276891991

全体コード

import pandas as pd
 
#sample_countryエクセル
df1 = pd.read_excel("C:\\Users\\test\\Desktop\\sample_country.xlsx")
#countryエクセル
df2 = pd.read_excel("C:\\Users\\test\\Desktop\\country.xlsx")

#Joinでtitleをキーにしてcountryエクセルへ貼り付ける
df_inner_join = pd.merge(df2,df1,on='title',how='inner')
#print(df_inner_join)

#xlsx書き出し
df_inner_join.to_excel("C:\\Users\\test\\Desktop\\country.xlsx", sheet_name="Sheet1", index=False, header=True)

すいませんがPandasのjoinについてまだ勉強中です。
別の方法でも結合あれば、教えていただけると嬉しいです。

お手数ですが、よろしくお願い致します。

3 件の回答 3

1

前回 PythonでExcelファイルに特定の行を書き込みしたい 同様に、「excelの中でtitleが合っていてmessageIdの空いている所を上から順番に埋めていく。excelに合うtitleが無ければ何もしない」という緩い仕様で考えて回答を作成しました。

両方のExcelを読み取り後の処理が以下になります。
df1からtitlemessageIdの列だけ抽出して2次元のリストにしてから、前回の回答と同様の処理を行っています。
既に2次元のリストにしているので、zip処理は無しです。

df1_list = df1[['title', 'messageId']].values.tolist()
print(df1_list)

for curtitle, curmsgid in df1_list:
    wdf = df2.query('(title == @curtitle) and (`messageId` != `messageId`)')
    if len(wdf) <= 0: continue
    df2.at[wdf.index[0], 'messageId'] = curmsgid

#xlsx書き出し
df2.to_excel("C:\\Users\\test\\Desktop\\country.xlsx", sheet_name="Sheet1", index=False, header=True)
1
  • いつも回答ありがとうございます。前回の応用ですね .values.tolist() について参考になりました。
    – 幸589
    Commented 2022年5月20日 11:31
1

Python, Pandas は詳しくないのであくまで考え方のみ回答します。


私なら「表の結合」ではなく、以下のような手順を踏むと思います。

  • まずsample_country から title をキー、messageId を値にした辞書を作成
  • country に対して先ほど作成した辞書を元に、該当する messageId を埋めていく

※「アメリカのように title は重複する時がある」と書かれていますが、実際に重複した場合にどう処理するのかが (関連質問のコメント でも指摘しましたが) 明言されていないので考慮していません。

0
1

(エクセル関係ない気がするけど)

pandas.merge は参照先によると (SQL) "database-style join" ということです。
なので, たとえば sqlite3 --- SQLite データベースに対する DB-API 2.0 インターフェース などが 動作の参考になるかも

(一例としてあげると) 「顧客の購買情報テーブル」と「顧客情報テーブル」を「顧客ID」で関連付けるなどがイメージしやすい…のかも。購買情報が複数あっても大丈夫だけど, 顧客情報に 同じ顧客IDで 2件の情報が登録されてれば, 結果は二倍に

country 側の項目 No の意味が不明だけれど, それを無視してよいなら(重複取り除いて)以下のように

df2_nodup = df2.drop_duplicates(subset='title')
df = pd.merge(df2_nodup, df1, on='title', how='inner').drop(columns='createdAt')

(データベースのように扱うのなら, "東日本", "西日本" などのように何か区別できるような持ち方しないとマッチできない)

No に何か意味があり上から順に割り当てるのなら pandas.mergeは向かないかも

df = df2.copy()
df.messageId = df2.groupby(by='title').apply(lambda subf:
        df1.messageId[df1.title == subf.name].set_axis(subf.index)
    ).droplevel(0)
display(df)
1
  • 貴重な回答ありがとうございます。上記の解決方法はすごく参考になります。
    – 幸589
    Commented 2022年5月25日 5:30

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。