#37 Interactive Table

1 3rd STEP 応用編 医療 Section 6 Interactive Table 77 データ名.replace(“元の要素”, “新しい要素”)

2 Section 6 データの保存 プログラム解説1 replace できたデータを保存する前に、データ「df_all4」をよく見てみましょう。列名「個数」末尾の方に、 「-」が存在します。 これは、データが存在しないことを表しますが、Pythonはその意味を理解しません。欠損値 「NaN」と変換しておきましょう。#30「Section 28 ピボットテーブル（２）」に出てきた77 を思い出してください。役所が作成した文書には、 「-」を使ったものが多いので、気を付けま しょう。 77 データ名.replace(“元の要素”, “新しい要素”) 「replace」を使っても、元のDataFrameが変更されたわけではありませんから、 「inplace=True」を忘れずに！ また、「“新しい要素”」を欠損値に置換する場合は、「np.nan」と記載します。「” ”」は、要り ません。

3 Section 6 データの保存 １．「-」をNaNに置換する 結果は、下記のようになります。最後の方が、「NaN」になっていますね。

4 Section 6 データの保存 ２．Interactive Table（１） ① ここをクリック！ コラボには、pandasデータフレームをインタラクティブなディスプレイ に変換する拡張機能「Interactive Table」があります。 このディスプレイは、フィルタリング、並べ替え、探索などを行うこと ができます。 クリックで、ソート可能 ② ここをクリック！ 様々な検索が可能 元に戻すときは、再実行

5 Section 6 データの保存 ３．Interactive Table（２） ただし、Interactive Tableは、最初の20,000行の結果しか表示できません・・・。今回は、 500万行を超えますので、「 51 データ名.query( ‘列名 == [“文字名1”, “文字名2”] ‘) 」 で「医薬品名」等で絞り込んでから、Interactive Tableを使いましょう。

6 Section 6 データの保存 ４．データの保存 さて、最後は結合して、縦型に変換したデータ「df_all4」を保存します。 名前は「naihuku」で、csv形式でフォルダー「医療データ」直下に保存しましょう。

7 Section 6 データの保存 ５．気になるデータの細部 「naihuku.csv」は、よく見ると、列「薬効分類」の要素に小数点が付いています。文字列型 （str）になっていますが、ちょっと汚いですね。 でも、分析時に修正することにして、放置しておきましょう。 あまり神経質にならずに、分析する際に必要に応じて、 データをきれいにすれば大丈夫です。