#author("2020-06-19T02:33:30+00:00","default:f-lab","f-lab")
#author("2020-06-19T08:00:33+00:00","default:f-lab","f-lab")
[[個人ページ>seminar-personal/chin2017]]
&br;
[[N班ゼミ>http://f-lab.mydns.jp/index.php?seminar-N-2020]]
|~目次|
|#contents|
&br;
*進捗状況 [#y0ad0ef3]
ゼミより抜粋
 項目名を出現する地自体ごとにカウントした。
 1つの自治体だけに使われている項目名は削除した。
 2つの自治体だけのものも削除していよさそうだ。
➡ 2つの自治体だけのものも
全体CSVより抽出：
-&ref(times_all_619_no_extract.csv);
-2896個項目名
-変なデータがあり(項目名として妥当ではないか)
--Unnamed: 0,1,2,3…(52,51,47個等自治体)
--男.1,男.2,男.3,男.4,男.5,男.6…,女.1,女.2,女.3,女.4,女.5,女.6...(8,9個等自治体)
--0-4歳の男性,0-4歳の女性,5-9歳の男性,5-9歳の女性,10-14歳の男性,10-14歳の女性,15-19歳の男性,15-19歳の女性...(6個等自治体)
--1歳,2歳,3歳,4歳,5歳,6歳,7歳,8歳,9歳,10歳...(3,4,5個等自治体)
--数字関連：3,600,1,217、 - .1,-.30,-.31,-.32,―.2,―.3(3個等自治体)、70〜74(5個等自治体),○.1,○.2,○.3,○(4,5個等自治体)
--年、月、日付、年度、時間：2016年(3個等自治体)、201604(13個自治体)、23年度(5個等自治体)、２月～９月(13個等自治体)、H16～H22(4個等自治体)、6時,7時～21時(3個自治体)
--県名：宮城県、秋田県、山形県、栃木県(3個等自治体)
--事業所数.27～35(3個等自治体)
-除外処理する必要である
--正規表現で除外
 re.search('^[Ａ-ＺA-Za-zａ-ｚⅠ-Ⅹ0-9０-９%％×,，.．:：\"’〜～―ー－−‐○〇…〒　 	-]+$',item)#記号・英語・数字等
-上記の正規表現で除外したデータ(項目名):1434個項目名
--&ref(times_all_619_2times_re_2.csv);
--&ref(extract_data_alllist_item_name_2.py);
--残った変な項目名
---事業所数.1,2,3,4,5...（個数：113）
---0-4歳の男性,0-4歳の女性…80-84歳の男性,80-84歳の女性（個数：36）
---従業者数.1~19（個数：19）
---6時、7時、8時～23時（個数：19）
---平成25年度,平成17年度,平成21年度...（個数：58）
---21年度,2009年度...（個数：51）
---県名：宮城県、栃木...(3個等自治体→個数：24)

➡上記より
 if re.search('^[Ａ-ＺA-Za-zａ-ｚⅠ-Ⅹ0-9０-９%％×,，.．:：\"’〜～―ー－−‐○〇…〒　 	-]+$',item):#記号・英語・数字等
            return False
 elif re.search('[.]+[0-9０-９]+$',item):#特殊文字:事業所数.1,従業者数.1
           return False
 elif re.search('[0-9０-９]+[歳|年|年度|月|時|歳代|の男性|の女性]+(以上)?$',item):#特殊文字
           return False
-除外したデータ(項目名):1110個項目名
--&ref(times_all_619_2times_re_3.csv);
--&ref(extract_data_alllist_item_name_2times.py);

**➡ 3つの自治体だけのものへ変更 [#x255b4aa]
-除外したデータ(項目名):616個項目名
--&ref(times_all_619_3times_re.csv);
--&ref(extract_data_alllist_item_name_3times.py);
-実際の処理したCSVファイルを確認し、気になる項目名は
 1〜4人,
 5〜9人,
 10〜19人,
 20〜29人
  小学生,
 中学生,
 高校生,
 要支援1,
 要介護1,
 要介護2,
 要介護3
 要介護4,
 要介護5
 区分
 区　分
 区　　分
 区　　　分
 男
 女
 男（人）
 女（人）
 人口（総数）
 人口
 総数
 総　数
 総　　数
 総数[人]
-空白を削除
 name =name.replace('　', '').replace(' ', '')#空白を削除
 re.search('[0-9０-９]+[歳|年|年度|月|時|歳代|の男性|の女性]+(以上)?$',item):#特殊文字➡「人」を追加
 re.search('[0-9０-９]+[人|歳|年|年度|月|時|歳代|の男性|の女性]+(以上)?$',item):#特殊文字
-除外したデータ(項目名):635個項目名
--616個より増える
--理由として、上記のCSVより減ったと思うが、 2つの自治体以下の項目名から「３つの自治体以上」へ変更され、残っていると考えられる
--&ref(times_all_619_3times_re_2.csv);
--&ref(extract_data_alllist_item_name_3times_2.py);
--上記の正規表現、空白の除外も同様で(2つの自治体以下)処理すれば
---除外したデータ(項目名):1156個項目名
---&ref(times_all_619_2times_re_4.csv);
---&ref(extract_data_alllist_item_name_2times_4.py);
**疑問 [#s800b6c4]
-下記の項目名はまとめる必要でしょうか？
 要介護1
 要介護2
 要介護3
 要介護4
 要介護5
 →要介護？

**クラスタリング [#gd4c80cd]
-クラスタ数：50 &ref(label_average_cosine_50_cluter.csv);
-クラスタ数：150 &ref(label_average_cosine_150_cluter.csv);
トップ   編集 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS