データサイエンティスト検定 リテラシーレベル データエンジニアリング 練習問題 第41問: 顧客の表をCSV形式で書き出したところ、住所の値「東京都千代田区1-2, 3階」に半角のコンマが含まれていた。このデータを別の分析ツールで正しい列のまま読み込め
データエンジニアリング
– / 81 解いた
第41問
顧客の表をCSV形式で書き出したところ、住所の値「東京都千代田区1-2, 3階」に半角のコンマが含まれていた。このデータを別の分析ツールで正しい列のまま読み込めるようにする書き出し方として、最も適切なものはどれか。
解答と解説を先に見る
先に見ると、この問題は今回は育ちません。
正解: 4. コンマを含む住所の値全体を二重引用符で囲み、区切りのコンマと区別できる形で書き出す
コンマを含む住所の値全体を二重引用符で囲んで書き出す方法が適切です。CSVはコンマで値を区切る形式なので(総務省「統計表における機械判読可能なデータ作成に関する表記方法」も、csvはカンマでデータを区切ると注意しています)、値の中のコンマは列の区切りと読まれ、それより後の列がずれます。
Pythonの公式文書(csvモジュール)は、区切り文字や引用符の文字、改行を含むフィールドを引用符で囲んで書き出す方式を示しており、引用符の既定は二重引用符です。引用符で囲まれていないコンマは、読み込む側が形式を自動で推定しても区切りと見分けられません。
全角の「,」に置き換えると、読み込んだ値は元の住所とは別の文字列になります。Pythonの公式文書は、アプリケーションごとに区切り文字の扱いが違うとも述べており、セミコロンにしても読む側が同じ区切りで読むとは限らず、.csvをコンマ区切りとして読むツールでは住所の値がコンマの位置で二つに分かれ、列が合いません。
値の中に区切り文字が入るときは引用符で囲むと覚えましょう。
関連キーワード: CSV・区切り文字・二重引用符・構造化データ
模試 (100問)
この問題が解けたら、本試験はどうですか?本番形式で、ほかの科目もまとめて確かめる
本番形式の模擬試験で実力チェックPremium (月980円)Premium (ご利用中)本番と同じ制限時間
広告