OpenPyXL⑧ (セル番地の変換)

セル番地の変換

openpyxl.utilsクラス の関数を使うと、列番号から列の文字 を取得したり、列の文字から列番号 を取得をしたりすることが行えます。

  • openpyxl.utils.get_column_letter(列番号)
    列番号 に対応する 列文字 を返す。
  • openpyxl.utils.column_index_from_string(列文字列)
    列文字 に対応する 列番号 を返す。

サンプルコード

セル番地の変換を行うサンプルコードは以下の通りです。

まずは、数値を列文字 に、列文字を数値 に変換してみます。

[Google Colaboratory]

1
2
3
4
5
import openpyxl
from openpyxl.utils import get_column_letter, column_index_from_string

print('列の文字', get_column_letter(1)) # 列番号から列の文字を取得
print('列番号', column_index_from_string('A')) # 列の文字から列番号を取得

[実行結果]

次に、Excelを読み込んで 最終列を数字 で取得し、その数字を 列文字 に変換します。

[Google Colaboratory]

1
2
3
4
5
# 集計表の最終列を列文字で取得する
book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheet = book['Sheet1'] # Sheet1を取得
print('最終列の列文字->',
get_column_letter(sheet.max_column)) # 最終列の列文字を取得

読み込むエクセルファイルは下記になります。

[テスト.xlsx]

[実行結果]

最終列の列文字 を取得することができました。

OpenPyXL⑦ (集計表のサイズ取得)

集計表のサイズ取得

Worksheetオブジェクトの max_rowプロパティmax_columnプロパティ を参照すると、集計表のサイズを取得することができます。

集計表のサイズを取得することで、forループでデータを取得するときの 最終位置 とすることができるので便利です。

[Google Colaboratory]

1
2
3
4
5
6
import openpyxl
book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheet = book['Sheet1'] # Sheet1を取得

print('最大行数 ->', sheet.max_row) # 表の行数を取得
print('最大列数 ->', sheet.max_column) # 表の列数を取得

読み込むエクセルファイルは下記になります。

[テスト.xlsx]

[実行結果]

max_rowプロパティ で集計表の 最大行数max_columnプロパティ最大列数 を取得することができました。

OpenPyXL⑥ (セル番地を数値で指定)

セル番を数値で地指定

Excelのセル番地は A1B1 のように、列をAから始まる アルファベット、行を 数値 で表します。

ただ、プログラムにおいては 列を文字 で指定するのは面倒です。

そこで Worksheetオブジェクトcellメソッド を使うとセル番地を 数値のみ で指定でき forループ などで特定のセル範囲を連続して処理できるようになります。

まずは A3セル を、1列 3行目 という数値の指定だけで取得してみます。

[Google Colaboratory]

1
2
3
4
5
6
7
8
import openpyxl

book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheet = book['Sheet1'] # Sheet1を取得

print(sheet.cell(row=3, # 行を指定
column=1 # 列を指定
).value)

読み込むエクセルファイルは下記になります。

[テスト.xlsx]

[実行結果]

範囲指定

cellメソッド を forループ の中で使うと、指定した範囲 のセルの値を取得することができます。

[Google Colaboratory]

1
2
3
4
5
6
# 指定した範囲のセルの値を取得する
for i in range(2, 8): # 2行目から7行目までを繰り返す
print(i, # 行番号
sheet.cell(row=i, # 2~7が順番に代入される
column=1 # 列は2で固定
).value)

[実行結果]

範囲指定(スキップ)

rangeの 第3引数 を指定すると、指定した数だけ スキップ することができます。

[Google Colaboratory]

1
2
3
4
5
6
# 開始セルから行おきに取り出す(偶数列のセルを対象)
for i in range(2, 8, 2): # 2行目から7行目までを1行おきに繰り返す
print(i, # 行番号
sheet.cell(row=i, # 2~7まで1つおきに代入される
column=1 # 列は2で固定
).value)

[実行結果]

range関数の第3引数に2を指定することで 1行おき に値を取り出すことができました。

OpenPyXL⑤ (Excelのセル情報取得②)

Excelのセル情報取得

Cellオブジェクト には、セルの情報を参照するための プロパティ があります。

プロパティ 内容
row を示す整数値。
column を示す文字列。
coordinate セル番地を示す文字列。
value セルの

それぞれの プロパティ を参照したサンプルコードは以下の通りです。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import openpyxl

book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheet = book['Sheet1'] # Sheet1を取得
cel = sheet['A2'] # セルA2を取得

# 列名、行番号、値を出力
print('列' + str(cel.column) + # 列名のみを取得
', 行' + str(cel.row) + # 行番号のみを取得
' : ' + cel.value) # セルの値を取得

# セル番地、値を出力
print('セル', cel.coordinate, # 行列のセル番地を取得
' : ' + cel.value) # セルの値を取得

読み込むエクセルファイルは下記になります。

[テスト.xlsx]

[実行結果]

各プロパティの内容を取得することができました。

OpenPyXL④ (Excelのセル情報取得)

Excelのセル情報取得

Workbookオブジェクト から Worksheetオブジェクト を取得すると、列と行を指定して セルの情報(Cellオブジェクト) を取得できるようになります。

セルの情報を取得するには Worksheetオブジェクト[‘セル番地’] と指定します。

Cellオブジェクト にはセルの値を参照する valueプロパティがあるので Cellオブジェクト.value とすることでセルの値を取得できます。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import openpyxl

book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheet = book['Sheet1'] # Sheet1を取得する

# 1行目のタイトルを出力
print('A1セル:' + sheet['A1'].value)
print('B1セル:' + sheet['B1'].value)
print('C1セル:' + sheet['C1'].value)
print('D1セル:' + sheet['D1'].value)
print('E1セル:' + sheet['E1'].value)

# 2行目のデータを出力
print(sheet['A2'].value, sheet['B2'].value, sheet['C2'].value,
sheet['D2'].value, sheet['E2'].value)

読み込むエクセルファイルは下記になります。

[テスト.xlsx]

[実行結果]

Excelファイルから、各セルの情報を取得することができました。

OpenPyXL③ (Excelシートの読み込み)

Excelシートの読み込み

Excelファイル内のExcelシートを取得する方法には、次の2つがあります。

  • Workbook[‘ワークシート’]
    Workbookオブジェクトは、ワークシートオブジェクトを 辞書型 のデータとして保持しています。
    Workbookオブジェクト[‘ワークシート名’]のように ワークシート名をキー にすると、対象のWorkbookオブジェクトを取得することができます。
  • Workbook.activeプロパティ
    Workbookオブジェクトの activeプロパティ(属性)を参照すると、Workbookオブジェクトに格納されているワークシートのうち、アクティブな状態(選択状態)にあるワークシートのWorkbookオブジェクトを取得できます。

サンプルコード

上記の2種類の方法でExcelシートを読み込みます。

Wroksheetオブジェクトには タイトル(シート名) を参照する titleプロパティ があるので、このプロパティを使ってシートのタイトルを取得します。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import openpyxl

# Excelブックを取得
book = openpyxl.load_workbook('テスト.xlsx')

# 名前を指定してSheet1を取得する
sheet1 = book['Sheet1']

# sheet1のオブジェクトの種類を出力
print('オブジェクトの種類', type(sheet1))

# sheet1に格納されているシートのタイトルを出力
print('Sheet1のタイトル', sheet1.title)

# アクティブなシートのタイトルを出力する
print('アクティブなシートのタイトル', book.active.title)

[実行結果]

‘sheet1’という名称のシートアクティブなシート を取得し、その タイトル(シート名)を表示することができました。

OpenPyXL② (Excelシート名取得)

Excelシートの操作

openpyxlモジュールの Workbookオブジェクト にはブックに含まれるExcelシートのタイトルの取得、アクティブなシートの取得、さらに特定のシートを取得するメソッドが用意されています。

Excelシート名取得

ブックに含まれているシート名は、Workbookオブジェクトの sheetnamesプロパティ を使って取得することができます。

[Google Colaboratory]

1
2
3
4
5
import openpyxl

book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
sheets_name = book.sheetnames # すべてのシート名を取得
print(sheets_name)

[実行結果]

全てのシート名が リスト型 で取得できました。

OpenPyXL① (Excelファイルを読み込む)

OpenPyXL

OpenPyXLは、Excelファイルの操作を行うことができる Pythonライブラリ です。

Excelファイルの読み込み

openpyxlモジュールの openpyxl.load_workbook関数 で、Excelファイルを開くことができます。

Google Colaboratory で実行する場合は、Excelファイルは事前に アップロード しておく必要があります。

ローカルで実行する場合には、ソースファイルと 同じフォルダ にExcelファイルをおいて下さい。

[Google Colaboratory]

1
2
3
4
import openpyxl                                 # openpyxlをインポート

book = openpyxl.load_workbook('テスト.xlsx') # Excelブックを取得
print(type(book)) # オブジェクトの種類を表示

[実行結果]

Excelファイルが読み込まれ、オブジェクトを定義しているクラス名の <class ‘openpyxl.workbook.workbook.Workbook’> が出力されました。

Pandas⑯ (重回帰分析/散布図)

重回帰分析/散布図

前回記事で作成した重回帰モデルが適切かどうかを 散布図と直線 を使って確認します。

まず、x軸・y軸ともに 実測値(売上額) をとった直線をプロットします。(6~8行目)

(NumPyの linspace関数 では、等差数列を生成します。)

次に、x軸を 実測値(売上額)、y軸を 予測値(売上額) にとった 散布図 を描画します。(10~13行目)

予測した値が実測値とぴったりであれば、すべてのドットが 直線上 に乗ることになります。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from matplotlib import pyplot as plt
%matplotlib inline

predict = model.predict(x)
# x=yの直線を描画
plt.plot(np.linspace(min(y),max(y)), # x軸: yの値
np.linspace(min(y),max(y)) # y軸: yの値
)
# 実測値をヨコ軸、予測値をタテ軸にとった散布図を描画
plt.plot(y, # x軸: yの値
predict, # y軸: 予測値
'o'
)
plt.xlabel('y') # x軸ラベル
plt.ylabel('predict(y)') # y軸ラベル

[実行結果]

予測なので実測値との間に 誤差 がありますが、予測値の分布 は実測値(直線)にだいたいフィットしたものとなっていることが確認できます。

Pandas⑮ (重回帰分析)

重回帰分析

重回帰分析 は、2つ以上の 説明変数(予測に使うデータ) から1つの 目的変数(予測するデータ) を予測する手法です。

重回帰分析 では、説明変数の数はいくつでもかまいませんが、説明変数が意味のあるものでなければ数を増やしても意味がありません。

説明変数は、前回記事で実施したように 相関関係 を調べて相関の強いものを使用すると、予測の精度 を高めることができます。

サンプルコード

重回帰分析 を行うサンプルコードは下記のようになります。

重回帰分析単回帰分析 と同じように LinearRegressionオブジェクト に対して fitメソッド を実行することで行います。(11行目))

(CSVファイルは前回記事で使用したものを読み込みます。)

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import pandas as pd
import numpy as np
from sklearn import linear_model

# ファイルを読み込んでdfに格納
df = pd.read_csv('sales.csv')

x = df.iloc[:, 2:5] # 競合店、満足度、品揃え充実度の列
y = df['売上額'] # 売上額の列
model = linear_model.LinearRegression() # LinearRegressionオブジェクトを生成
model.fit(x, y) # 線形重回帰分析を実行

print('回帰係数:', model.coef_) # 係数aを取得
print('切片  :', model.intercept_) # 切片bを取得
print('決定係数:', model.score(x, y)) # 決定係数を取得

[実行結果]

回帰係数 は、それぞれの説明変数の係数(目的変数に与える影響)となります。

絶対値で考えると、満足度(1413.39) が売上に与える影響が一番大きいことが確認できます。

決定係数0.8024 となっており、3つの説明変数で 約80パーセント の確率で説明できることを表しています。