d <- read.csv(file = "https://stats.dip.jp/01_ds/data/dirty_data2.csv")
library(DT)
datatable(d)
summary(d)
## 会社名 気温 湿度 風速
## Length:22 Min. :12.00 Min. :-50.00 Min. :-1.000
## Class :character 1st Qu.:20.00 1st Qu.: 30.00 1st Qu.: 1.000
## Mode :character Median :32.40 Median : 50.00 Median : 2.000
## Mean :28.18 Mean : 39.73 Mean : 2.052
## 3rd Qu.:34.10 3rd Qu.: 51.00 3rd Qu.: 4.000
## Max. :50.40 Max. : 60.00 Max. : 5.000
## NA's :1 NA's :1
## 全天日射量MJ
## Min. :-1.200
## 1st Qu.: 0.340
## Median : 1.235
## Mean : 2.701
## 3rd Qu.: 2.385
## Max. :23.400
## NA's :2
da <- na.omit(d)
summary(da)
## 会社名 気温 湿度 風速
## Length:18 Min. :12.00 Min. :-50.00 Min. :-1.000
## Class :character 1st Qu.:15.50 1st Qu.: 30.00 1st Qu.: 1.000
## Mode :character Median :32.40 Median : 50.00 Median : 2.000
## Mean :28.05 Mean : 38.89 Mean : 2.228
## 3rd Qu.:34.11 3rd Qu.: 51.00 3rd Qu.: 4.000
## Max. :50.40 Max. : 60.00 Max. : 5.000
## 全天日射量MJ
## Min. :-1.200
## 1st Qu.: 0.340
## Median : 1.215
## Mean : 2.791
## 3rd Qu.: 2.250
## Max. :23.400
datatable(da)
is.tp <- -20 <= da$気温 & da$気温 <= 50
is.hm <- 0 <= da$湿度 & da$湿度 <= 100
is.ws <- 0 <= da$風速 & da$風速 <= 70
is.mj <- -1 <= da$全天日射量MJ & da$全天日射量MJ
summary(is.tp)
## Mode FALSE TRUE
## logical 2 16
summary(is.hm)
## Mode FALSE TRUE
## logical 1 17
summary(is.ws)
## Mode FALSE TRUE
## logical 1 17
summary(is.mj)
## Mode FALSE TRUE
## logical 1 17
db <- da[is.tp & is.hm & is.ws & is.mj, ]
datatable(db)
dc <- db
dc$気温 <- round(db$気温, 1)
dc$湿度 <- round(db$湿度, 0)
dc$風速 <- round(db$風速, 0)
dc$全天日射量MJ <- round(db$全天日射量MJ, 1)
datatable(dc)
dc$会社名
## [1] "東芝" "Toshiba" "TOSHIBA"
## [4] "toshiba" "東芝株式会社" "東芝（株）"
## [7] "東芝(株)" "トヨタ" "Toyota"
## [10] "Toyoda" "トヨタ自動車株式会社" "トヨタ(株)"
## [13] "toyota" "TOYOTA"
LAB.TOSHIBA <- c("東芝", "東芝株式会社", "東芝（株）", "東芝(株)", "Toshiba", "TOSHIBA", "toshiba")
LAB.TOYOTA <- c("トヨタ", "トヨタ自動車株式会社", "トヨタ(株)", "Toyota", "toyota", "TOYOTA", "Toyoda")
is.toshiba <- dc$会社名 %in% LAB.TOSHIBA
is.toyota <- dc$会社名 %in% LAB.TOYOTA
dd <- dc
dd$会社名[is.toshiba] <- '東芝株式会社'
dd$会社名[is.toyota] <- '豊田株式会社'
dd$会社名
## [1] "東芝株式会社" "東芝株式会社" "東芝株式会社" "東芝株式会社" "東芝株式会社"
## [6] "東芝株式会社" "東芝株式会社" "豊田株式会社" "豊田株式会社" "豊田株式会社"
## [11] "豊田株式会社" "豊田株式会社" "豊田株式会社" "豊田株式会社"
datatable(dd)
import pandas as pd
d0 = pd.read_csv('https://stats.dip.jp/01_ds/data/dirty_data2.csv')
d0.head()
## 会社名 気温 湿度 風速 全天日射量MJ
## 0 東芝 14.0 50.0 4.0 1.23
## 1 Toshiba 38.2 54.0 1.1 2.33
## 2 TOSHIBA 20.4 20.0 0.0 2.01
## 3 toshiba 34.1 51.0 2.0 0.02
## 4 東芝株式会社 20.0 60.0 4.0 0.20
d1 = d0.dropna()
d1
## 会社名 気温 湿度 風速 全天日射量MJ
## 0 東芝 14.0000 50.0 4.0 1.2300
## 1 Toshiba 38.2000 54.0 1.1 2.3300
## 2 TOSHIBA 20.4000 20.0 0.0 2.0100
## 3 toshiba 34.1000 51.0 2.0 0.0200
## 4 東芝株式会社 20.0000 60.0 4.0 0.2000
## 5 東芝（株） 32.4000 49.1 1.0 1.2000
## 6 東芝(株) 12.0000 30.0 5.0 1.1111
## 8 TOSHIBA 50.4000 20.0 0.0 -1.2000
## 11 とうしば 14.0000 -50.0 4.0 0.3400
## 12 トヨタ 14.0000 50.0 4.0 1.6600
## 13 Toyota 38.2000 54.0 1.0 -0.3000
## 15 Toyoda 34.1000 51.0 2.0 10.0100
## 16 トヨタ自動車株式会社 20.0000 60.0 4.0 3.1100
## 17 Toyota（株） 32.4000 49.0 -1.0 2.7800
## 18 トヨタ(株) 12.0000 30.0 5.0 1.4400
## 19 toyota 34.1134 51.0 2.0 0.5500
## 20 Tokyoda 50.4000 20.0 0.0 0.3400
## 21 TOYOTA 34.1000 51.0 2.0 23.4000
is_tp = (-20 <= d1['気温']) & (d1['気温'] <= 50)
is_hm = ( 0 <= d1['湿度']) & (d1['湿度'] <= 100)
is_ws = ( 0 <= d1['風速']) & (d1['風速'] <= 70)
is_mj = ( 0 <= d1['全天日射量MJ']) & (d1['全天日射量MJ'] <= 4)
d2 = d1[is_tp & is_hm & is_ws & is_mj]
d2
## 会社名 気温 湿度 風速 全天日射量MJ
## 0 東芝 14.0000 50.0 4.0 1.2300
## 1 Toshiba 38.2000 54.0 1.1 2.3300
## 2 TOSHIBA 20.4000 20.0 0.0 2.0100
## 3 toshiba 34.1000 51.0 2.0 0.0200
## 4 東芝株式会社 20.0000 60.0 4.0 0.2000
## 5 東芝（株） 32.4000 49.1 1.0 1.2000
## 6 東芝(株) 12.0000 30.0 5.0 1.1111
## 12 トヨタ 14.0000 50.0 4.0 1.6600
## 16 トヨタ自動車株式会社 20.0000 60.0 4.0 3.1100
## 18 トヨタ(株) 12.0000 30.0 5.0 1.4400
## 19 toyota 34.1134 51.0 2.0 0.5500
d3 = d2
d3 = d2.round({'気温':1, '湿度':0, '風速':0, '全天日射量MJ':1})
d3
## 会社名 気温 湿度 風速 全天日射量MJ
## 0 東芝 14.0 50.0 4.0 1.2
## 1 Toshiba 38.2 54.0 1.0 2.3
## 2 TOSHIBA 20.4 20.0 0.0 2.0
## 3 toshiba 34.1 51.0 2.0 0.0
## 4 東芝株式会社 20.0 60.0 4.0 0.2
## 5 東芝（株） 32.4 49.0 1.0 1.2
## 6 東芝(株) 12.0 30.0 5.0 1.1
## 12 トヨタ 14.0 50.0 4.0 1.7
## 16 トヨタ自動車株式会社 20.0 60.0 4.0 3.1
## 18 トヨタ(株) 12.0 30.0 5.0 1.4
## 19 toyota 34.1 51.0 2.0 0.6
LAB_TOSHIBA = ("東芝", "東芝株式会社", "東芝（株）", "東芝(株)", "Toshiba", "TOSHIBA", "toshiba")
LAB_TOYOTA = ("トヨタ", "トヨタ自動車株式会社", "トヨタ(株)", "Toyota", "toyota", "TOYOTA", "Toyoda")
for i, row in d3.iterrows():
if row['会社名'] in LAB_TOSHIBA:
d3.at[i, '会社名'] = '東芝株式会社'
for i, row in d3.iterrows():
if row['会社名'] in LAB_TOYOTA:
d3.at[i, '会社名'] = '豊田株式会社'
d3
## 会社名 気温 湿度 風速 全天日射量MJ
## 0 東芝株式会社 14.0 50.0 4.0 1.2
## 1 東芝株式会社 38.2 54.0 1.0 2.3
## 2 東芝株式会社 20.4 20.0 0.0 2.0
## 3 東芝株式会社 34.1 51.0 2.0 0.0
## 4 東芝株式会社 20.0 60.0 4.0 0.2
## 5 東芝株式会社 32.4 49.0 1.0 1.2
## 6 東芝株式会社 12.0 30.0 5.0 1.1
## 12 豊田株式会社 14.0 50.0 4.0 1.7
## 16 豊田株式会社 20.0 60.0 4.0 3.1
## 18 豊田株式会社 12.0 30.0 5.0 1.4
## 19 豊田株式会社 34.1 51.0 2.0 0.6