Python たった1文でDataFrame内の項目ごとに番号が付けられる!

ゆうき（ @BASEBALLY15 )です^^

前回は，『ベイズの定理』を使ってプロ野球の球団の年俸を分析しましたね．

Python ベイズの定理を使って，プロ野球の球団を分析してみた!

そうですね^^

今回は，前回のコードを記述する際に，悩んだ部分をご紹介したいと思います．

Today’s Code
終わりに
Q &A
- いいね:
- 合わせて読みたい関連記事

Today’s Code

使うデータ

今回は，データ分析をする際に，意外と使えるコードをご紹介します．

以下のデータフレームのように，チーム名ごとに番号を付けることが出来ます!

（1つのデータフレームから抜粋しました．）

	team	player’s name	annual salary(yen)
0	Yomiuri Giants	菅野　智之	650000000
1	Yomiuri Giants	坂本　勇人	500000000

90	DeNA	筒香　嘉智	400000000
91	DeNA	山﨑　康晃	250000000

163	Hanshin Tigers	鳥谷　敬	400000000
164	Hanshin Tigers	糸井　嘉男	400000000

236	Carp	ジョンソン	327000000
237	Carp	菊池　涼介	240000000

312	Chunichi Dragons	ビシエド	300000000
313	Chunichi Dragons	大島　洋平	180000000

385	Yakult Swallows	バレンティン	440000000
386	Yakult Swallows	山田　哲人	430000000

↓

	team	player’s name	annual salary(yen)	team_num
254	Carp	安部　友裕	41000000	1
306	Carp	藤井　黎來	3000000	1

366	Chunichi Dragons	石橋　康太	6000000	2
365	Chunichi Dragons	友永　翔太	6500000	2

157	DeNA	益子　京右	4700000	3
162	DeNA	コルデロ	2400000	3

235	Hanshin Tigers	石井　将希	3000000	4
234	Hanshin Tigers	片山　雄哉	3000000	4

435	Yakult Swallows	平井　諒	8100000	5
431	Yakult Swallows	宮本　丈	9000000	5

24	Yomiuri Giants	デラロサ	30000000	6
25	Yomiuri Giants	藤岡　貴裕	29000000	6

前回と同様に，こちらのサイトのデータを使いたいと思います．

csvファイルにまとめたものを貼っておきます．

anual_salary-1 ダウンロード

それでは，Today’s Codeをご紹介します^^

コード＋解説

salary_data["team_num"] = sorted(salary_data["team"].astype("category").cat.codes + 1)

このコードを解説していきます．

salary_data[“team”] → 上のデータフレームの”team”というカラムを指定する．
salary_data[“team”] .astype(“category”) → astype ()によって “team”の列をカテゴリー型に変換する．
salary_data[“team”].astype(“category”).cat.codes + 1 → カテゴリー型に変換した”team”のコード取得する．それに＋1することで，番号を1から順番に付けることが出来る．

たったの1文で，番号を付けることが出来るので，すごく簡単ですね^^

このままだと，データフレームの番号がバラバラに表示されるので，以下のコードを記述し，昇順に並び替えておきます．

sorting = salary_data.sort_values("team_num")

これで，1から順番に表示することが出来ます．

ちなみに，上で示したようにチームごとに番号を付けることで，

箱ひげ図などのグラフを描くことが出来ます．

#箱ひげ図を描く
sns.boxplot(salary_data["team_num"], salary_data["annual salary(yen)"])

この結果から，6の” Yomiuri Giants “が1億円以上の選手が多いことが分かります．

このように，箱ひげ図を描くと，各球団の年俸がどれくらいなのかが分かりやすいですね^^

以下に，このコードまでの流れをご紹介しておきます．

全体の流れ

ライブラリ

import numpy as np

import pandas as pd

from pandas import Series, DataFrame

import seaborn as sns

sns.set_style("whitegrid")

import matplotlib.pyplot as plt

%matplotlib inline

コード

#csvファイルの読み込み
filename = "anual_salary.csv"
salary_data = pd.read_csv(filename)


#実行
salary_data


#チーム名に番号をふる
salary_data["team_num"] = salary_data["team"].astype("category").cat.codes + 1
sorting = salary_data.sort_values("team_num")


#実行
sorting 


#箱ひげ図を描く
sns.boxplot(salary_data["team_num"], salary_data["annual salary(yen)"])