資料_第10回_v2

1 1st STEP ビッグデータの 読み込みとデータの確認 Section ８ データ型の変更（キャスト） ⑱ データ名.astype({“列名”:データ型})

Section 8 データ型の変更（キャスト） １．参照した列のデータ型の変更 特定の列名のデータ型を変更（「キャスト」と言います）するときは、下記のプログラムを 使います。 Section 5の⑩では、Excelデータを読み込み直しましたが、一度読み込んだデータで もこれを使用すれば、データ型を変更することができます。 ⑱ データ名.astype({“列名”:データ型}) →astype( )に続けて、「{ }」の中に、「“ ”」で囲った列名、「：」、「データ型」を記入 することによりデータ型を変更することができます。このような 「{ }」内のデータ構造 を辞書と言います。 辞書をカンマで続けることで、2つ以上の列を変換することもできます。 「object」の他に、「整数」、「浮動小数点」などにも変更が可能です。 ただし、元のデータはそのままで変更されません。

3 Section 8 データ型の変更（キャスト） 参考１：データ型 （１）Pandasのデータ型には、主に次の3つがあります。 整数 数値型 浮動小数点数 float16、float32、float64 int8、int16、int32、int64 数字はビット精度を表し、省略して「int」、「float」で表してもOK！ 文字列型 str ブール型 bool （２）PandasのDataFrameは列ごとに、それぞれデータ型を保持しています （３）オブジェクト（object）は「数値」や「文字列」などだけでなく、リスト、 タプルなどのデータ（参考２）もオブジェクトとなります。 （４）pandasでは文字列を含むSeriesやDataFrameの列はobject型となるが、各要 素はそれぞれの型を持っており、残念なことに、すべての要素が文字列str型とは限りま せん。

4 Section 8 データ型の変更（キャスト） 参考２：データ構造 astypeで使ったデータ構造（データの並び方）は「辞書」ですが、Pythonのデータ構造には、 主に下記の4つがあります。 リスト list タプル tuple 辞書 dictionary セット set リスト [1,2,3] ・要素の書き換え可 ・インデックス（番号）で要素にアクセス タプル (1,2,3) ・要素の書き換え不可 ・インデックス（番号）で要素にアクセス 辞書 {“a”:1,”b”:2 ,”c”:3} ・要素の書き換え可 ・キー（文字列や数値）で要素にアクセス セット {1,2,3} ・重複する要素があっても無視される（一意 な値をもつ要素が残る） ・リスト型と違い、更新可能なオブジェクトを要 素として持てない（タプルは可能） ・要素の順序は保持しない

5 Section 8 データ型の変更（キャスト） ⑱ データ名.astype({“列名”:データ型}) 「id_pos」の「CustomerID」をstr型（文字列型）に変換してみましょう。 astype( )に続けて、「{ }」の辞書で、列名とデータ型を指定すると、2つ以上の列を変換 することもできます。 ただし、元のデータ（id_pos）はそのままで変更されませんので、別のデータ名 「id_pos3」と名付けましょう。このように名前を付けることを「宣言」と言います。

6 Section 8 データ型の変更（キャスト） ⑨ データ名.dtypes 念のため、新たに宣言した「id_pos3」の「CustomerID」のデータ型を確認します。 確かに、float64からobjectになりました。文字列にするには、第2部セクション14を参照願います。

7 Section 8 データ型の変更（キャスト） ⑱ データ名.astype({“列名”:データ型}) ⑱を書いて結果が出ても、元のデータ「id_pos」は変更されていません。 【参考】 詳細は、「pandasのデータ型dtype一覧とastypeによる変換（キャスト）」を 参考にしてください！ https://note.nkmk.me/python-pandas-dtype-astype/

• https://note.nkmk.me/python-pandas-dtype-astype/