はじめに：
本投稿はメーカー営業xPythonがテーマになります。
メーカー営業マンが常日頃エクセルで行う？作業をPythonにて置き換え挑戦備忘録です。
内容
担当製品の受注動向分析を行う際、前年同月値を並列させ動向把握を行う。
しかし社内インフラでは受注データを落とす際、下記のようなフォーマットで出力される。
この「不便なデータ」をVBAで「完成形」へとデータ整形を行っていた。
＊例では3製品ですが、実務では数千製品に及びます。
⇨上記をPythonでの置き換えに挑戦。
【例：2020年データ】
【例：2019年データ】
【完成形】
# Pandasのインポート
import pandas as pd
# エクセルの読み込み
df1=pd.read_excel('/Users/2019V2.xlsx')
df２=pd.read_excel('/Users/2020V2.xlsx')
df1.set_index(['製品'],inplace=True)
df2.set_index(['製品'],inplace=True)
2019-01-01 00:00:00 2019-02-01 00:00:00 2019-03-01 00:00:00 2019-04-01 00:00:00 2019-05-01 00:00:00 2019-06-01 00:00:00
製品
A 200 54 345 665 78 676
B 456 675 448 453 676 67
C 234 675 5757 578 789 141
2020-01-01 00:00:00 2020-02-01 00:00:00 2020-03-01 00:00:00 2020-04-01 00:00:00 2020-05-01 00:00:00 2020-06-01 00:00:00
製品
C 57 177 788 665 78 175
B 678 78 967 787 471 263
A 678 353 46 479 742 787
# 行列を入れ替えた後、月を抜き出し、インデックスへ設定
df3=df1.T
df4=df2.T
df3['month'] = list(pd.Series(df3.index).apply(lambda x: x.month))
df4['month'] = list(pd.Series(df4.index).apply(lambda x: x.month))
df5=df3.set_index(['month'])
df6=df4.set_index(['month'])
製品 A B C
month
1 200 456 234
2 54 675 675
3 345 448 5757
4 665 453 578
5 78 676 789
6 676 67 141
製品 C B A
month
1 57 678 678
2 177 78 353
3 788 967 46
4 665 787 479
5 78 471 742
6 175 263
# DataFrame同士の割り算を行う。
# コラムとインデックスが共通のするもの同士で四則演算される。(その為上の処理で月を抜き出した。)
df7=df6/df5
製品 A B C
month
1 3.390000 1.486842 0.243590
2 6.537037 0.115556 0.262222
3 0.133333 2.158482 0.136877
4 0.720301 1.737307 1.150519
5 9.512821 0.696746 0.098859
6 1.164201 3.925373 1.241135
# 列行の入れ替え
df8=df5.T
df9=df6.T
df10=df7.T
# concatで結合
df11=pd.concat([df8,df9,df10])
month 1 2 3 4 5 6
製品
A 200.000000 54.000000 345.000000 665.000000 78.000000 676.000000
B 456.000000 675.000000 448.000000 453.000000 676.000000 67.000000
C 234.000000 675.000000 5757.000000 578.000000 789.000000 141.000000
C 57.000000 177.000000 788.000000 665.000000 78.000000 175.000000
B 678.000000 78.000000 967.000000 787.000000 471.000000 263.000000
A 678.000000 353.000000 46.000000 479.000000 742.000000 787.000000
A 3.390000 6.537037 0.133333 0.720301 9.512821 1.164201
B 1.486842 0.115556 2.158482 1.737307 0.696746 3.925373
C 0.243590 0.262222 0.136877 1.150519 0.098859 1.241135
# 製品名毎に並び替えを行う。（同一品名はconcat順で整列される）
df12=df11.sort_index()
month 1 2 3 4 5 6
製品
A 200.000000 54.000000 345.000000 665.000000 78.000000 676.000000
A 678.000000 353.000000 46.000000 479.000000 742.000000 787.000000
A 3.390000 6.537037 0.133333 0.720301 9.512821 1.164201
B 456.000000 675.000000 448.000000 453.000000 676.000000 67.000000
B 678.000000 78.000000 967.000000 787.000000 471.000000 263.000000
B 1.486842 0.115556 2.158482 1.737307 0.696746 3.925373
C 234.000000 675.000000 5757.000000 578.000000 789.000000 141.000000
C 57.000000 177.000000 788.000000 665.000000 78.000000 175.000000
C 0.243590 0.262222 0.136877 1.150519 0.098859 1.241135
# ヒートマップを作成する為にインデックスのリセット。（インデックスの製品名が重複しているとstyleを使用できない為）
df13=df１２.reset_index()
display(df13.style.background_gradient(axis=1))
結論:
体裁は微妙に異なるが、手間隙を考えるとPythonに軍配が上がりそう。
特にデーターフレーム同士で四則演算が行えるのは非常に便利👏
ただマクロを一度作ってしまえばマクロの方が便利かも？？