当ページのリンクには広告が含まれています。
目次
この記事の対象者
・ データサイエンティストを目指している人
・ Pythonで日付データの型を変換する方法(to_datetime関数やastypeメソッド)を学びたい人
以降はデータサイエンス100本ノックの問題を題材に、日付データの変換方法について学んでいきます。
データサイエンス100本ノックの始め方は、以下の記事を参考にしていただければと思います。
>>データサイエンス100本ノックの始め方を確認する
第45問目: 日付型→YYYYMMDD形式(文字列型)に変換する方法
P-045: 顧客データフレーム（df_customer）の生年月日（birth_day）は日付型（Date）でデータを保有している。これをYYYYMMDD形式の文字列に変換し、顧客ID（customer_id）とともに抽出せよ。データは10件を抽出すれば良い。
この問題は、日付型→YYYYMMDD形式に変換する問題です。
to_datetime関数を使って、df_customerのbirth_day列のデータを日付を表す特有のdatetime64型に変換します。
その後、dtメソッドを使うことで、列全体に一括処理することにし、strtimeでフォーマットを指定します。
まずは、df_customerデータの構造を確認します。
df_customerの構造を確認
出力1
2
3
4
5
6
| customer_id customer_name gender_cd gender birth_day age postal_cd address application_store_cd application_date status_cd
0 CS021313000114 大野 あや子 1 女性 1981-04-29 37 259-1113 神奈川県伊勢原市粟窪********** S14021 20150905 0-00000000-0
1 CS037613000071 六角 雅彦 9 不明 1952-04-01 66 136-0076 東京都江東区南砂********** S13037 20150414 0-00000000-0
2 CS031415000172 宇多田 貴美子 1 女性 1976-10-04 42 151-0053 東京都渋谷区代々木********** S13031 20150529 D-20100325-C
3 CS028811000001 堀井 かおり 1 女性 1933-03-27 86 245-0016 神奈川県横浜市泉区和泉町********** S14028 20160115 0-00000000-0
4 CS001215000145 田崎 美紀 1 女性 1995-03-29 24 144-0055 東京都大田区仲六郷********** S13001 20170605 6-20090929-2
|
birth_dayカラムを抽出してdatetime64型に変換し、tmpに代入します。
birth_dayカラムを抽出1
2
| tmp = pd.to_datetime(df_customer['birth_day'])
tmp
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 1981-04-29
1 1952-04-01
2 1976-10-04
3 1933-03-27
4 1995-03-29
...
21966 1959-10-12
21967 1970-10-19
21968 1972-12-16
21969 1964-06-05
21970 1996-08-16
Name: birth_day, Length: 21971, dtype: datetime64[ns]
|
次に、YYYY-MM-DDとなっている日付データを、YYYYMMDD形式の文字列に変換します。
一括処理はdtメソッドを使用し、日付から文字列への変換はstrftimeメソッドを使用します。フォーマットは%Y%m%dとします。フォーマットについては、Pythonの公式ドキュメントを参照してください。
1
2
| tmp = tmp.dt.strftime('%Y%m%d')
tmp
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 19810429
1 19520401
2 19761004
3 19330327
4 19950329
...
21966 19591012
21967 19701019
21968 19721216
21969 19640605
21970 19960816
Name: birth_day, Length: 21971, dtype: object
|
tmpデータフレームをcustomer_idとともに出力するために、concatを用いてデータフレームの結合を行います。
>> concatの使い方を復習する
1
| pd.concat([df_customer['customer_id'], tmp], axis = 1).head(10)
|
出力1
2
3
4
5
6
7
8
9
10
11
| customer_id birth_day
0 CS021313000114 19810429
1 CS037613000071 19520401
2 CS031415000172 19761004
3 CS028811000001 19330327
4 CS001215000145 19950329
5 CS020401000016 19740915
6 CS015414000103 19770809
7 CS029403000008 19730817
8 CS015804000004 19310502
9 CS033513000180 19620711
|
第46問目: YYYYMMDD形式(文字列型)→日付型に変換する方法
P-046: 顧客データフレーム（df_customer）の申し込み日（application_date）はYYYYMMDD形式の文字列型でデータを保有している。これを日付型（dateやdatetime）に変換し、顧客ID（customer_id）とともに抽出せよ。データは10件を抽出すれば良い。
まずは、df_customerの構造を確認しましょう。
df_customerの構造を確認
出力1
2
3
4
5
6
| customer_id customer_name gender_cd gender birth_day age postal_cd address application_store_cd application_date status_cd
0 CS021313000114 大野 あや子 1 女性 1981-04-29 37 259-1113 神奈川県伊勢原市粟窪********** S14021 20150905 0-00000000-0
1 CS037613000071 六角 雅彦 9 不明 1952-04-01 66 136-0076 東京都江東区南砂********** S13037 20150414 0-00000000-0
2 CS031415000172 宇多田 貴美子 1 女性 1976-10-04 42 151-0053 東京都渋谷区代々木********** S13031 20150529 D-20100325-C
3 CS028811000001 堀井 かおり 1 女性 1933-03-27 86 245-0016 神奈川県横浜市泉区和泉町********** S14028 20160115 0-00000000-0
4 CS001215000145 田崎 美紀 1 女性 1995-03-29 24 144-0055 東京都大田区仲六郷********** S13001 20170605 6-20090929-2
|
application_date列の文字列データ型をdatetime64型に変換するには、to_datetime関数を使えばOKでした。
変換したデータフレームはtmpに格納しておきます。
application_date列をdatetime64型に変換1
2
| tmp = pd.to_datetime(df_customer['application_date'], format='%Y%m%d')
tmp
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 2015-09-05
1 2015-04-14
2 2015-05-29
3 2016-01-15
4 2017-06-05
...
21966 2017-11-10
21967 2015-03-13
21968 2015-04-06
21969 2016-02-06
21970 2015-04-24
Name: application_date, Length: 21971, dtype: datetime64[ns]
|
これをcustomer_idとともに出力させるために、concatを用いて結合します。
>> concatの使い方を復習する
customer_idをtmpと結合させて10件表示1
| pd.concat([df_customer['customer_id'], tmp], axis=1).head(10)
|
出力1
2
3
4
5
6
7
8
9
10
11
| customer_id application_date
0 CS021313000114 2015-09-05
1 CS037613000071 2015-04-14
2 CS031415000172 2015-05-29
3 CS028811000001 2016-01-15
4 CS001215000145 2017-06-05
5 CS020401000016 2015-02-25
6 CS015414000103 2015-07-22
7 CS029403000008 2015-05-15
8 CS015804000004 2015-06-07
9 CS033513000180 2015-07-28
|
第47問目: YYYYMMDD形式(数値型)→日付型に変換する方法
P-047: レシート明細データフレーム（df_receipt）の売上日（sales_ymd）はYYYYMMDD形式の数値型でデータを保有している。これを日付型（dateやdatetime）に変換し、レシート番号(receipt_no)、レシートサブ番号（receipt_sub_no）とともに抽出せよ。データは10件を抽出すれば良い。
YYYYMMDDが文字型ではなく数値型になっている点が第46問目と異なる点ですが、基本的な処理はほぼ同じです。
まずは、df_receiptの全体像を確認します。
df_receiptの全体像を確認
出力1
2
3
4
5
6
| sales_ymd sales_epoch store_cd receipt_no receipt_sub_no customer_id product_cd quantity amount
0 20181103 1541203200 S14006 112 1 CS006214000001 P070305012 1 158
1 20181118 1542499200 S13008 1132 2 CS008415000097 P070701017 1 81
2 20170712 1499817600 S14028 1102 1 CS028414000014 P060101005 1 170
3 20190205 1549324800 S14042 1132 1 ZZ000000000000 P050301001 1 25
4 20180821 1534809600 S14025 1102 2 CS025415000050 P060102007 1 90
|
前問と同様の方法でsales_ymdをto_datetime関数を用いて日付型に変換します。
1
2
| tmp = pd.to_datetime(df_receipt['sales_ymd'], format='%Y%m%d')
tmp
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 2018-11-03
1 2018-11-18
2 2017-07-12
3 2019-02-05
4 2018-08-21
...
104676 2018-02-21
104677 2019-09-11
104678 2017-03-11
104679 2017-03-31
104680 2019-04-23
Name: sales_ymd, Length: 104681, dtype: datetime64[ns]
|
そしてconcatを用いて結合します。
1
| pd.concat([df_receipt[['receipt_no', 'receipt_sub_no']], tmp], axis=1).head(10)
|
出力1
2
3
4
5
6
7
8
9
10
11
| receipt_no receipt_sub_no sales_ymd
0 112 1 2018-11-03
1 1132 2 2018-11-18
2 1102 1 2017-07-12
3 1132 1 2019-02-05
4 1102 2 2018-08-21
5 1112 1 2019-06-05
6 1102 2 2018-12-05
7 1102 1 2019-09-22
8 1112 2 2017-05-04
9 1102 1 2019-10-10
|
別解: astypeメソッドを用いたパタン
別解としてastypeメソッドを用いた解放も紹介します。
>> astypeの詳しい使い方
astype('str')とすることで、数値型のデータをstring型に変更することが出来ます。
1
2
| tmp1 = pd.to_datetime(df_receipt['sales_ymd'].astype('str'))
tmp1
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 2018-11-03
1 2018-11-18
2 2017-07-12
3 2019-02-05
4 2018-08-21
...
104676 2018-02-21
104677 2019-09-11
104678 2017-03-11
104679 2017-03-31
104680 2019-04-23
Name: sales_ymd, Length: 104681, dtype: datetime64[ns]
|
抽出したtmp1とdf_receipt[['receipt_no', 'receipt_sub_no']]をconcatで結合します。
1
| pd.concat([df_receipt[['receipt_no', 'receipt_sub_no']], tmp1], axis=1).head(10)
|
出力1
2
3
4
5
6
7
8
9
10
11
12
|
receipt_no receipt_sub_no sales_ymd
0 112 1 2018-11-03
1 1132 2 2018-11-18
2 1102 1 2017-07-12
3 1132 1 2019-02-05
4 1102 2 2018-08-21
5 1112 1 2019-06-05
6 1102 2 2018-12-05
7 1102 1 2019-09-22
8 1112 2 2017-05-04
9 1102 1 2019-10-10
|
第48問目: 数値型のUNIX秒データ→日付型に変換する方法
P-048: レシート明細データフレーム（df_receipt）の売上エポック秒（sales_epoch）は数値型のUNIX秒でデータを保有している。これを日付型（dateやdatetime）に変換し、レシート番号(receipt_no)、レシートサブ番号（receipt_sub_no）とともに抽出せよ。データは10件を抽出すれば良い。
UNIX秒とは、協定世界時（UTC）での1970年1月1日午前0時0分0秒からの秒数です。
処理としては問47問目とほぼ同じ処理になりますが、UNIX秒を日付型に変換する方法が異なります。
本問を解きながら、UNIX秒を日付型に変換する方法を学びましょう。
to_datetime関数を使用し、引数unitをunit = 's'とすることで日付型に変換できます。
1
2
| tmp = pd.to_datetime(df_receipt['sales_epoch'], unit='s')
tmp
|
出力1
2
3
4
5
6
7
8
9
10
11
12
| 0 2018-11-03
1 2018-11-18
2 2017-07-12
3 2019-02-05
4 2018-08-21
...
104676 2018-02-21
104677 2019-09-11
104678 2017-03-11
104679 2017-03-31
104680 2019-04-23
Name: sales_epoch, Length: 104681, dtype: datetime64[ns]
|
あとは、これまで同様にconcatで結合すればOKです。
1
| pd.concat([df_receipt[['receipt_no', 'receipt_sub_no']], tmp], axis=1).head(10)
|
出力1
2
3
4
5
6
7
8
9
10
11
12
|
receipt_no receipt_sub_no sales_epoch
0 112 1 2018-11-03
1 1132 2 2018-11-18
2 1102 1 2017-07-12
3 1132 1 2019-02-05
4 1102 2 2018-08-21
5 1112 1 2019-06-05
6 1102 2 2018-12-05
7 1102 1 2019-09-22
8 1112 2 2017-05-04
9 1102 1 2019-10-10
|
リンク
まとめ: 日付型のデータ変換の方法を学びました。
本記事は、「【Python】日付データの変換方法を学ぶ | データサイエンス100本ノック【問45〜問48 回答】」というテーマでまとめました。
本記事で紹介した方法を元に、日付型のデータの取り扱いを深めていただければと思います。
なお、データサイエンティストに必要な知識は、TechAcademyのデータサイエンスコースでの学習がおすすめです。
