pandasのデータ型dtype一覧とastypeによる変換（キャスト）

Date: 2018-03-11 / Modified: 2018-06-12 / tags: Python, pandas

pandas.Seriesは一つのデータ型dtype、panas.DataFrameは各列ごとにそれぞれデータ型dtypeを保持している。

dtypeは、コンストラクタで新たにオブジェクトを生成する際やcsvファイルなどから読み込む際に指定したり、astype()メソッドで変換（キャスト）したりすることができる。

ここでは、

pandasの主要なデータ型dtype一覧
object型と文字列
astype()によるデータ型dtypeの変換（キャスト）
- pandas.Seriesのデータ型dtypeを変更
- pandas.DataFrame全体のデータ型dtypeを一括で変更
- pandas.DataFrameの任意の列のデータ型dtypeを個別に変更
csvファイル読み込み時のデータ型dtype指定

について、サンプルコードとともに説明する。

NumPyのデータ型dtypeとastype()については以下の記事を参照。

関連記事: NumPyのデータ型dtype一覧とastypeによる変換（キャスト）

データ型dtypeによって列を抽出する方法は以下の記事を参照。

関連記事: pandas.DataFrameから特定の型dtypeの列を抽出（選択）

pandasの主要なデータ型dtype一覧

pandasの主要なデータ型dtypeは以下の通り。

データ型`dtype`	型コード	説明
`int8`	`i1`	符号あり8ビット整数型
`int16`	`i2`	符号あり16ビット整数型
`int32`	`i4`	符号あり32ビット整数型
`int64`	`i8`	符号あり64ビット整数型
`uint8`	`u1`	符号なし8ビット整数型
`uint16`	`u2`	符号なし16ビット整数型
`uint32`	`u4`	符号なし32ビット整数型
`uint64`	`u8`	符号なし64ビット整数型
`float16`	`f2`	半精度浮動小数点型（符号部1ビット、指数部5ビット、仮数部10ビット）
`float32`	`f4`	単精度浮動小数点型（符号部1ビット、指数部8ビット、仮数部23ビット）
`float64`	`f8`	倍精度浮動小数点型（符号部1ビット、指数部11ビット、仮数部52ビット）
`float128`	`f16`	四倍精度浮動小数点型（符号部1ビット、指数部15ビット、仮数部112ビット）
`complex64`	`c8`	複素数（実部・虚部がそれぞれ`float32`）
`complex128`	`c16`	複素数（実部・虚部がそれぞれ`float64`）
`complex256`	`c32`	複素数（実部・虚部がそれぞれ`float128`）
`bool`	`?`	ブール型（`True` or `False`）
`object`	`O`	Pythonオブジェクト型

データ型名の末尾の数字はbitで表し、型コード末尾の数字はbyteで表す。同じ型でも値が違うので注意。

bool型の型コード?は不明という意味ではなく文字通り?が割り当てられている。

日時を表すdatetime64型については以下の記事を参照。

関連記事: pandas.DataFrame, Seriesを時系列データとして処理

各種メソッドの引数でデータ型dtypeを指定するとき、例えばfloat64型の場合は、

np.float64
文字列'float64'
型コードの文字列'f8'

のいずれでもOK。

import pandas as pd
import numpy as np

s = pd.Series([0, 1, 2], dtype=np.float64)
print(s.dtype)
# float64

s = pd.Series([0, 1, 2], dtype='float64')
print(s.dtype)
# float64

s = pd.Series([0, 1, 2], dtype='f8')
print(s.dtype)
# float64

source: pandas_dtype.py

ビット精度の数値を省略してintやfloat, strのようなPythonの型で指定することもできる。

この場合、等価なdtypeに自動的に変換されるが、どのdtypeに変換されるかは環境（Python2かPython3か、32ビットか64ビットかなど）によって異なる。

以下の例はPython3、64ビット環境のもの。uintはPythonの型ではないが便宜上まとめて挙げておく。

Pythonの型	等価な`dtype`の例
`int`	`int64`
`float`	`float64`
`str`	`object`（各要素が`str`型）
`uint`	`uint64`

引数で指定する場合はintやfloatでも文字列'int', 'float'でもOK。Pythonの型ではないuintは文字列'uint'のみ可。

s = pd.Series([0, 1, 2], dtype='float')
print(s.dtype)
# float64

s = pd.Series([0, 1, 2], dtype=float)
print(s.dtype)
# float64

s = pd.Series([0, 1, 2], dtype='uint')
print(s.dtype)
# uint64

source: pandas_dtype.py

文字列str型とobject型については次に説明する。

object型と文字列

object型は特殊なデータ型で、Pythonオブジェクトへのポインターを格納する。各要素のデータはそれぞれ別の型を持つ場合がある。

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、すべての要素が文字列str型とは限らない。

例を示す。

pd.np.nanは欠損値を表す。NumPyをインポートしていればnp.nanでもよい。

ここではmap()メソッドで各要素に組み込み関数type()を適用して型を確認している。

関連記事: pandasで要素、行、列に関数を適用するmap, applymap, apply
関連記事: Pythonで型を取得・判定するtype関数, isinstance関数

s_object = pd.Series([0, 0.1, 'abc', pd.np.nan])
print(s_object)
# 0      0
# 1    0.1
# 2    abc
# 3    NaN
# dtype: object

print(s_object.map(type))
# 0      <class 'int'>
# 1    <class 'float'>
# 2      <class 'str'>
# 3    <class 'float'>
# dtype: object

source: pandas_dtype.py

コンストラクタでdtypeにstrを指定するか、後述のastype()でstrを指定すると、すべての要素がstr型に変換される。（ファイルから読み取る場合については後述）

コンストラクタの場合。なお、これはpandas0.23.0の場合で、以前のバージョンではコンストラクタのdtypeによる設定では数値型の要素が文字列str型に変換されないことがあった。注意。

s_str_constructor = pd.Series([0, 0.1, 'abc', pd.np.nan], dtype=str)
print(s_str_constructor)
# 0      0
# 1    0.1
# 2    abc
# 3    nan
# dtype: object

print(s_str_constructor.map(type))
# 0    <class 'str'>
# 1    <class 'str'>
# 2    <class 'str'>
# 3    <class 'str'>
# dtype: object

source: pandas_dtype.py

astype()の場合。

s_str_astype = s_object.astype(str)
print(s_str_astype)
# 0      0
# 1    0.1
# 2    abc
# 3    nan
# dtype: object

print(s_str_astype.map(type))
# 0    <class 'str'>
# 1    <class 'str'>
# 2    <class 'str'>
# 3    <class 'str'>
# dtype: object

source: pandas_dtype.py

注意: 文字列メソッド

dtypeが同じobject型でも、要素の型によってstrアクセサによる文字列メソッドの結果が異なるので注意。

例えば文字列の文字数を返すstr.len()を適用すると、str型に変換されていない数値型の要素はNaNを返す。

print(s_str_astype.str.len())
# 0    1
# 1    3
# 2    3
# 3    3
# dtype: int64

print(s_object.str.len())
# 0    NaN
# 1    NaN
# 2    3.0
# 3    NaN
# dtype: float64

source: pandas_dtype.py

このように文字列メソッドの結果にNaNが含まれている場合は列のデータ型がobjectでも各要素がstr型に変換されていない可能性がある。

文字列メソッドの前にastype(str)を適用すればOK。

print(s_object.astype(str).str.len())
# 0    1
# 1    3
# 2    3
# 3    3
# dtype: int64

source: pandas_dtype.py

文字列メソッドの利用については以下の記事も参照。

関連記事: pandasで特定の文字列を含む行を抽出（完全一致、部分一致）
関連記事: pandasの文字列を区切り文字や正規表現で複数の列に分割

注意: 欠損値NaN

これまでの例にもあるように、データ型objectの列の欠損値NaNはfloat型。

print(s_object)
# 0      0
# 1    0.1
# 2    abc
# 3    NaN
# dtype: object

print(s_object.map(type))
# 0      <class 'int'>
# 1    <class 'float'>
# 2      <class 'str'>
# 3    <class 'float'>
# dtype: object

source: pandas_dtype.py

欠損値はisnull()で判定したり、dropna()で削除したりできる。

関連記事: pandasで欠損値NaNを除外（削除）・置換（穴埋め）・抽出

print(s_object.isnull())
# 0    False
# 1    False
# 2    False
# 3     True
# dtype: bool

print(s_object.dropna())
# 0      0
# 1    0.1
# 2    abc
# dtype: object

source: pandas_dtype.py

文字列strにキャストすると欠損値も文字列'nan'となる。

print(s_str_astype)
# 0      0
# 1    0.1
# 2    abc
# 3    nan
# dtype: object

print(s_str_astype.map(type))
# 0    <class 'str'>
# 1    <class 'str'>
# 2    <class 'str'>
# 3    <class 'str'>
# dtype: object

source: pandas_dtype.py

文字列'nan'は欠損値を処理するメソッドの対象とならない。

print(s_str_astype.isnull())
# 0    False
# 1    False
# 2    False
# 3    False
# dtype: bool

print(s_str_astype.dropna())
# 0      0
# 1    0.1
# 2    abc
# 3    nan
# dtype: object

source: pandas_dtype.py

キャストする前に欠損値の処理を行うか、replace()で文字列'nan'を欠損値に置き換えればOK。

関連記事: pandas.DataFrame, Seriesの要素の値を置換するreplace

s_str_astype_nan = s_str_astype.replace('nan', pd.np.nan)
print(s_str_astype_nan)
# 0      0
# 1    0.1
# 2    abc
# 3    NaN
# dtype: object

print(s_str_astype_nan.map(type))
# 0      <class 'str'>
# 1      <class 'str'>
# 2      <class 'str'>
# 3    <class 'float'>
# dtype: object

print(s_str_astype_nan.isnull())
# 0    False
# 1    False
# 2    False
# 3     True
# dtype: bool

source: pandas_dtype.py

astype()によるデータ型dtypeの変換（キャスト）

pandas.DataFrame, pandas.Seriesのメソッドastype()を使うとデータ型dtypeを変更することができる。

pandas.DataFrame.astype — pandas 0.22.0 documentation

astype()はデータ型dtypeが変更された新たなpandas.Seriesまたはpandas.DataFrameを返し、元のオブジェクトは変更されない。

例として以下のデータを使用する。

import pandas as pd

df = pd.read_csv('data/src/sample_header.csv')
print(df)
#     a   b   c   d
# 0  11  12  13  14
# 1  21  22  23  24
# 2  31  32  33  34

s = df['c']
print(s)
# 0    13
# 1    23
# 2    33
# Name: c, dtype: int64

source: pandas_astype.py

サンプルのcsvファイルはコチラ。

sample_header.csv

pandas.Seriesのデータ型dtypeを変更

pandas.Seriesのメソッドastype()の引数にデータ型dtypeを指定すると、そのdtypeに変更された新たなpandas.Seriesが返される。元のpandas.Seriesはそのままで変換されない。

s_f = s.astype('float64')
print(s_f)
# 0    13.0
# 1    23.0
# 2    33.0
# Name: c, dtype: float64

print(s)
# 0    13
# 1    23
# 2    33
# Name: c, dtype: int64

source: pandas_astype.py

上述のようにdtypeは様々な形で指定できる。

s_f = s.astype('float')
print(s_f.dtype)
# float64

s_f = s.astype(float)
print(s_f.dtype)
# float64

s_f = s.astype('f8')
print(s_f.dtype)
# float64

source: pandas_astype.py

文字列に変換したい場合はstr（または'str'）を指定する。objectを指定した場合はstrには変換されない。Seriesとしては同じobject型でも中身の型が異なる場合があるので注意。

s_s = s.astype(str)
print(s_s)
# 0    13
# 1    23
# 2    33
# Name: c, dtype: object

print(s_s.map(type))
# 0    <class 'str'>
# 1    <class 'str'>
# 2    <class 'str'>
# Name: c, dtype: object

s_o = s.astype('object')
print(s_o)
# 0    13
# 1    23
# 2    33
# Name: c, dtype: object

print(s_o.map(type))
# 0    <class 'int'>
# 1    <class 'int'>
# 2    <class 'int'>
# Name: c, dtype: object

source: pandas_astype.py

pandas.DataFrame全体のデータ型dtypeを一括で変更

pandas.DataFrameは列ごとにデータ型dtypeを保持している。

それぞれのdtypeはdtypes属性で取得・確認できる。

print(df)
#     a   b   c   d
# 0  11  12  13  14
# 1  21  22  23  24
# 2  31  32  33  34

print(df.dtypes)
# a    int64
# b    int64
# c    int64
# d    int64
# dtype: object

source: pandas_astype.py

pandas.DataFrameのメソッドastype()の引数にデータ型dtypeを指定すると、すべての列のdtypeが変更された新たなpandas.DataFrameが返される。

df_f = df.astype('float64')
print(df_f)
#       a     b     c     d
# 0  11.0  12.0  13.0  14.0
# 1  21.0  22.0  23.0  24.0
# 2  31.0  32.0  33.0  34.0

print(df_f.dtypes)
# a    float64
# b    float64
# c    float64
# d    float64
# dtype: object

source: pandas_astype.py

pandas.DataFrameの任意の列のデータ型dtypeを個別に変更

astype()の引数に{列名: データ型}の辞書を指定すると、任意の列のデータ型dtypeを個別に変更することができる。

一列だけでも複数列でも指定可能。

df_fcol = df.astype({'a': float})
print(df_fcol)
#       a   b   c   d
# 0  11.0  12  13  14
# 1  21.0  22  23  24
# 2  31.0  32  33  34

print(df_fcol.dtypes)
# a    float64
# b      int64
# c      int64
# d      int64
# dtype: object

df_fcol2 = df.astype({'a': 'float32', 'c': 'int8'})
print(df_fcol2)
#       a   b   c   d
# 0  11.0  12  13  14
# 1  21.0  22  23  24
# 2  31.0  32  33  34

print(df_fcol2.dtypes)
# a    float32
# b      int64
# c       int8
# d      int64
# dtype: object

source: pandas_astype.py

csvファイル読み込み時のデータ型dtype指定

pandasでは関数read_csv()でcsvファイルを読み込むことができる。

関連記事: pandasでcsv/tsvファイル読み込み（read_csv, read_table）

読み込み時に引数dtypeで任意の型を指定できる。

サンプルのcsvファイルはコチラ。

sample_header_index_dtype.csv

,a,b,c,d
ONE,1,"001",100,x
TWO,2,"020",,y
THREE,3,"300",300,z

source: sample_header_index_dtype.csv

引数dtypeを省略すると、列ごとに最適なdtypeが自動的に選ばれる。

import pandas as pd

df = pd.read_csv('data/src/sample_header_index_dtype.csv', index_col=0)
print(df)
#        a    b      c  d
# ONE    1    1  100.0  x
# TWO    2   20    NaN  y
# THREE  3  300  300.0  z

print(df.dtypes)
# a      int64
# b      int64
# c    float64
# d     object
# dtype: object

print(df.applymap(type))
#                    a              b                c              d
# ONE    <class 'int'>  <class 'int'>  <class 'float'>  <class 'str'>
# TWO    <class 'int'>  <class 'int'>  <class 'float'>  <class 'str'>
# THREE  <class 'int'>  <class 'int'>  <class 'float'>  <class 'str'>

source: pandas_read_csv_dtype.py

すべての列を同じデータ型を指定

引数dtypeに任意のデータ型を指定するとすべての列が変換される。

dtype=strでもdtype=objectでも各要素がstr型に変換される。欠損値NaNはstr型に変換されない。

dtype=strの場合。

df_str = pd.read_csv('data/src/sample_header_index_dtype.csv',
                     index_col=0, dtype=str)
print(df_str)
#        a    b    c  d
# ONE    1  001  100  x
# TWO    2  020  NaN  y
# THREE  3  300  300  z

print(df_str.dtypes)
# a    object
# b    object
# c    object
# d    object
# dtype: object

print(df_str.applymap(type))
#                    a              b                c              d
# ONE    <class 'str'>  <class 'str'>    <class 'str'>  <class 'str'>
# TWO    <class 'str'>  <class 'str'>  <class 'float'>  <class 'str'>
# THREE  <class 'str'>  <class 'str'>    <class 'str'>  <class 'str'>

source: pandas_read_csv_dtype.py

dtype=objectの場合。

df_object = pd.read_csv('data/src/sample_header_index_dtype.csv',
                        index_col=0, dtype=object)
print(df_object)
#        a    b    c  d
# ONE    1  001  100  x
# TWO    2  020  NaN  y
# THREE  3  300  300  z

print(df_object.dtypes)
# a    object
# b    object
# c    object
# d    object
# dtype: object

print(df_object.applymap(type))
#                    a              b                c              d
# ONE    <class 'str'>  <class 'str'>    <class 'str'>  <class 'str'>
# TWO    <class 'str'>  <class 'str'>  <class 'float'>  <class 'str'>
# THREE  <class 'str'>  <class 'str'>    <class 'str'>  <class 'str'>

source: pandas_read_csv_dtype.py

読み込み後にastype()でstrにキャストした場合は欠損値も文字列'nan'に変換されるので注意。

print(df.astype(str).applymap(type))
#                    a              b              c              d
# ONE    <class 'str'>  <class 'str'>  <class 'str'>  <class 'str'>
# TWO    <class 'str'>  <class 'str'>  <class 'str'>  <class 'str'>
# THREE  <class 'str'>  <class 'str'>  <class 'str'>  <class 'str'>

source: pandas_read_csv_dtype.py

列ごとにデータ型を指定

astype()と同様に、辞書形式で列ごとに指定することもできる。

列名だけでなく列番号でも指定できる。インデックス列を指定している場合、インデックス列も含めた列番号で指定する必要があるので注意。

df_col = pd.read_csv('data/src/sample_header_index_dtype.csv',
                     index_col=0, dtype={'a': float, 'b': str})
print(df_col)
#          a    b      c  d
# ONE    1.0  001  100.0  x
# TWO    2.0  020    NaN  y
# THREE  3.0  300  300.0  z

print(df_col.dtypes)
# a    float64
# b     object
# c    float64
# d     object
# dtype: object

df_col = pd.read_csv('data/src/sample_header_index_dtype.csv',
                     index_col=0, dtype={1: float, 2: str})
print(df_col)
#          a    b      c  d
# ONE    1.0  001  100.0  x
# TWO    2.0  020    NaN  y
# THREE  3.0  300  300.0  z

print(df_col.dtypes)
# a    float64
# b     object
# c    float64
# d     object
# dtype: object

source: pandas_read_csv_dtype.py

note.nkmk.me

pandasのデータ型dtype一覧とastypeによる変換（キャスト）

pandasの主要なデータ型dtype一覧

object型と文字列

注意: 文字列メソッド

注意: 欠損値NaN

astype()によるデータ型dtypeの変換（キャスト）

pandas.Seriesのデータ型dtypeを変更

pandas.DataFrame全体のデータ型dtypeを一括で変更

pandas.DataFrameの任意の列のデータ型dtypeを個別に変更

csvファイル読み込み時のデータ型dtype指定

すべての列を同じデータ型を指定

列ごとにデータ型を指定

関連カテゴリー

関連記事