d0 <- read.csv(file = 'https://stats.dip.jp/01_ds/data/dirty_data1.csv')
summary(d0)
## 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
library(DT)
datatable(d0)
d1 <- na.omit(d0)
summary(d1)
## 会社名 気温 湿度 風速
## Length:20 Min. :12.00 Min. :-50.00 Min. :-1.000
## Class :character 1st Qu.:18.50 1st Qu.: 27.50 1st Qu.: 0.750
## Mode :character Median :32.40 Median : 50.00 Median : 2.000
## Mean :27.97 Mean : 38.55 Mean : 2.105
## 3rd Qu.:34.10 3rd Qu.: 51.00 3rd Qu.: 4.000
## Max. :50.40 Max. : 60.00 Max. : 5.000
datatable(d1)
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
summary(is.tp)
## Mode FALSE TRUE
## logical 2 18
summary(is.hm)
## Mode FALSE TRUE
## logical 1 19
summary(is.ws)
## Mode FALSE TRUE
## logical 1 19
d2 <- d1[is.tp & is.hm & is.ws, ]
datatable(d2)
d3 <- d2
d3$気温 <- round(d2$気温, 1)
d3$湿度 <- round(d2$湿度, 0)
d3$風速 <- round(d2$風速, 0)
datatable(d3)
d3$会社名
## [1] "ソニー" "Sony" "SONY" "sony"
## [5] "ソニー株式会社" "Sony（株）" "ソニー(株)" "sony"
## [9] "富士通" "Fujitsu" "Fujitu" "FUJITSU"
## [13] "富士通株式会社" "富士通(株)" "fujitsu" "FUJITSU"
LAB.SONY <- c("ソニー","Sony(株)","ソニー(株)","Sony","SONY","sony")
LAB.FUJITSU <- c("富士通","富士通(株)","Fujitsu","FUJITSU","fujitsu","Fujitu","fujitu")
is.sony <- d3$会社名 %in% LAB.SONY
is.fujitsu <- d3$会社名 %in% LAB.FUJITSU
d4 <- d3
d4$会社名[is.sony] <- 'ソニー株式会社'
d4$会社名[is.fujitsu] <- '富士通株式会社'
d4$会社名
## [1] "ソニー株式会社" "ソニー株式会社" "ソニー株式会社" "ソニー株式会社"
## [5] "ソニー株式会社" "Sony（株）" "ソニー株式会社" "ソニー株式会社"
## [9] "富士通株式会社" "富士通株式会社" "富士通株式会社" "富士通株式会社"
## [13] "富士通株式会社" "富士通株式会社" "富士通株式会社" "富士通株式会社"
datatable(d4)
import pandas as pd
d0 = pd.read_csv('https://stats.dip.jp/01_ds/data/dirty_data1.csv')
d0.head()
## 会社名 気温 湿度 風速
## 0 ソニー 14.0 50.0 4.0
## 1 Sony 38.2 54.0 1.1
## 2 SONY 20.4 20.0 0.0
## 3 sony 34.1 51.0 2.0
## 4 ソニー株式会社 20.0 60.0 4.0
d1 = d0.dropna()
d1
## 会社名 気温 湿度 風速
## 0 ソニー 14.0000 50.0 4.0
## 1 Sony 38.2000 54.0 1.1
## 2 SONY 20.4000 20.0 0.0
## 3 sony 34.1000 51.0 2.0
## 4 ソニー株式会社 20.0000 60.0 4.0
## 5 Sony（株） 32.4000 49.1 1.0
## 6 ソニー(株) 12.0000 30.0 5.0
## 7 sony 34.1000 51.0 2.0
## 8 SONY 50.4000 20.0 0.0
## 11 ソニー 14.0000 -50.0 4.0
## 12 富士通 14.0000 50.0 4.0
## 13 Fujitsu 38.2000 54.0 1.0
## 14 Fujitu 20.4000 20.0 0.0
## 15 FUJITSU 34.1000 51.0 2.0
## 16 富士通株式会社 20.0000 60.0 4.0
## 17 Fujitsu（株） 32.4000 49.0 -1.0
## 18 富士通(株) 12.0000 30.0 5.0
## 19 fujitsu 34.1134 51.0 2.0
## 20 FUJITSU 50.4000 20.0 0.0
## 21 FUJITSU 34.1000 51.0 2.0
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)
d2 = d1[is_tp & is_hm & is_ws]
d2
## 会社名 気温 湿度 風速
## 0 ソニー 14.0000 50.0 4.0
## 1 Sony 38.2000 54.0 1.1
## 2 SONY 20.4000 20.0 0.0
## 3 sony 34.1000 51.0 2.0
## 4 ソニー株式会社 20.0000 60.0 4.0
## 5 Sony（株） 32.4000 49.1 1.0
## 6 ソニー(株) 12.0000 30.0 5.0
## 7 sony 34.1000 51.0 2.0
## 12 富士通 14.0000 50.0 4.0
## 13 Fujitsu 38.2000 54.0 1.0
## 14 Fujitu 20.4000 20.0 0.0
## 15 FUJITSU 34.1000 51.0 2.0
## 16 富士通株式会社 20.0000 60.0 4.0
## 18 富士通(株) 12.0000 30.0 5.0
## 19 fujitsu 34.1134 51.0 2.0
## 21 FUJITSU 34.1000 51.0 2.0
d3 = d2
d3 = d2.round({'気温':1, '湿度':0, '風速':0})
d3
## 会社名 気温 湿度 風速
## 0 ソニー 14.0 50.0 4.0
## 1 Sony 38.2 54.0 1.0
## 2 SONY 20.4 20.0 0.0
## 3 sony 34.1 51.0 2.0
## 4 ソニー株式会社 20.0 60.0 4.0
## 5 Sony（株） 32.4 49.0 1.0
## 6 ソニー(株) 12.0 30.0 5.0
## 7 sony 34.1 51.0 2.0
## 12 富士通 14.0 50.0 4.0
## 13 Fujitsu 38.2 54.0 1.0
## 14 Fujitu 20.4 20.0 0.0
## 15 FUJITSU 34.1 51.0 2.0
## 16 富士通株式会社 20.0 60.0 4.0
## 18 富士通(株) 12.0 30.0 5.0
## 19 fujitsu 34.1 51.0 2.0
## 21 FUJITSU 34.1 51.0 2.0
LAB_SONY = {"ソニー", "Sony（株）", "ソニー(株)", "Sony", "SONY", "sony"}
LAB_FUJITSU = {"富士通", "富士通(株)", "Fujitsu", "FUJITSU", "fujitsu", "Fujitu", "fujitu"}
for i, row in d3.iterrows():
if row['会社名'] in LAB_SONY:
d3.at[i, '会社名'] = 'ソニー株式会社'
for i, row in d3.iterrows():
if row['会社名'] in LAB_FUJITSU:
d3.at[i, '会社名'] = '富士通株式会社'
d3
## 会社名 気温 湿度 風速
## 0 ソニー株式会社 14.0 50.0 4.0
## 1 ソニー株式会社 38.2 54.0 1.0
## 2 ソニー株式会社 20.4 20.0 0.0
## 3 ソニー株式会社 34.1 51.0 2.0
## 4 ソニー株式会社 20.0 60.0 4.0
## 5 ソニー株式会社 32.4 49.0 1.0
## 6 ソニー株式会社 12.0 30.0 5.0
## 7 ソニー株式会社 34.1 51.0 2.0
## 12 富士通株式会社 14.0 50.0 4.0
## 13 富士通株式会社 38.2 54.0 1.0
## 14 富士通株式会社 20.4 20.0 0.0
## 15 富士通株式会社 34.1 51.0 2.0
## 16 富士通株式会社 20.0 60.0 4.0
## 18 富士通株式会社 12.0 30.0 5.0
## 19 富士通株式会社 34.1 51.0 2.0
## 21 富士通株式会社 34.1 51.0 2.0
library(reticulate)
datatable(py$d3)
d <- read.csv(file = 'https://stats.dip.jp/01_ds/data/dirty_data2.csv')
datatable(d)
d <- na.omit(d)
summary(d)
## 会社名 気温 湿度 風速
## Length:18 Min. :12.00 Min. :-50.00 Min. :-1.000
## Class :character 1st Qu.:15.50 1st Qu.: 30.00 1st Qu.: 1.000
## Mode :character Median :32.40 Median : 50.00 Median : 2.000
## Mean :28.05 Mean : 38.89 Mean : 2.228
## 3rd Qu.:34.11 3rd Qu.: 51.00 3rd Qu.: 4.000
## Max. :50.40 Max. : 60.00 Max. : 5.000
## 全天日射量MJ
## Min. :-1.200
## 1st Qu.: 0.340
## Median : 1.215
## Mean : 2.791
## 3rd Qu.: 2.250
## Max. :23.400
is.tp <- d$全天日射量MJ <= 4.00
summary(is.tp)
## Mode FALSE TRUE
## logical 2 16
d <- d
d$気温 <- round(d$気温, 1)
d$湿度 <- round(d$湿度, 0)
d$風速 <- round(d$風速, 0)
datatable(d)
d$会社名
## [1] "東芝" "Toshiba" "TOSHIBA"
## [4] "toshiba" "東芝株式会社" "東芝（株）"
## [7] "東芝(株)" "TOSHIBA" "とうしば"
## [10] "トヨタ" "Toyota" "Toyoda"
## [13] "トヨタ自動車株式会社" "Toyota（株）" "トヨタ(株)"
## [16] "toyota" "Tokyoda" "TOYOTA"