1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@maskot1977(Ikemen Mas Kot)

Pandas の時間型を極める：月次データにおける datetime と Period の設計指針

1
Posted at

user:

次の要件を満たす Python 関数を書いてください。

入力：
・df : pandas dataframe 形式
・year : 年を表す行の名前
・month : 月を表す行の名前

手順：
・yearとmonthのデータから、月次データの年月を表す列をdfに追加する

出力
・月次データの年月を表す列が追加された df

assistant:

こちらの要件を満たす関数を作成しました。year と month の行から、YYYY-MM の形式で年月を表す列を df に追加します。

import pandas as pd

def add_year_month_column(df, year_row_name, month_row_name, new_col_name='year_month'):
    """
    year_row_name と month_row_name で指定された行の値を使って年月列を作成し、df に追加する。

    Parameters:
    - df : pandas.DataFrame
        入力データフレーム（インデックスに year_row_name と month_row_name が含まれていること）
    - year_row_name : str
        年を表す行の名前
    - month_row_name : str
        月を表す行の名前
    - new_col_name : str, optional
        追加する列の名前（デフォルトは 'year_month'）

    Returns:
    - pandas.DataFrame
        年月列が追加されたデータフレーム
    """
    # 年と月の行を取得
    year_values = df.loc[year_row_name].astype(int).astype(str)
    month_values = df.loc[month_row_name].astype(int).apply(lambda x: f"{x:02d}")

    # 年月列を作成
    year_month = year_values + '-' + month_values

    # データフレームに新しい列を追加
    df.loc[new_col_name] = year_month

    return df

使い方例

data = {
    'A': [2024, 1],
    'B': [2024, 2],
    'C': [2024, 3]
}
df = pd.DataFrame(data, index=['year', 'month'])
print("元のデータ：")
print(df)

df = add_year_month_column(df, 'year', 'month')
print("\n年月列が追加されたデータ：")
print(df)

出力例

元のデータ：
         A     B     C
year  2024  2024  2024
month     1     2     3

年月列が追加されたデータ：
             A        B        C
year      2024     2024     2024
month        1        2        3
year_month 2024-01  2024-02  2024-03

必要に応じて、新しい列の名前やフォーマットを変更することもできます。調整があればお知らせください！

user:

ありがとうございます。でも列と行が逆です。修正したコードを書いてください。

assistant:

なるほど、行と列が逆でしたね。つまり year と month は列名であり、それらの値を使って年月列を作りたい ということですね。以下の修正版コードをご覧ください。

修正版関数

import pandas as pd

def add_year_month_column(df, year_col_name, month_col_name, new_col_name='year_month'):
    """
    year_col_name と month_col_name で指定された列の値を使って年月列を作成し、df に追加する。

    Parameters:
    - df : pandas.DataFrame
        入力データフレーム（year_col_name と month_col_name の列が含まれていること）
    - year_col_name : str
        年を表す列の名前
    - month_col_name : str
        月を表す列の名前
    - new_col_name : str, optional
        追加する列の名前（デフォルトは 'year_month'）

    Returns:
    - pandas.DataFrame
        年月列が追加されたデータフレーム
    """
    # 年と月をゼロ埋めし、文字列として結合
    df[new_col_name] = df[year_col_name].astype(int).astype(str) + '-' + df[month_col_name].astype(int).apply(lambda x: f"{x:02d}")
    
    return df

使い方例

# サンプルデータ
data = {
    'year': [2024, 2024, 2024],
    'month': [1, 2, 3],
    'value': [10, 20, 30]
}
df = pd.DataFrame(data)
print("元のデータ：")
print(df)

# 年月列を追加
df = add_year_month_column(df, 'year', 'month')
print("\n年月列が追加されたデータ：")
print(df)

出力例

元のデータ：
   year  month  value
0  2024      1     10
1  2024      2     20
2  2024      3     30

年月列が追加されたデータ：
   year  month  value year_month
0  2024      1     10   2024-01
1  2024      2     20   2024-02
2  2024      3     30   2024-03

必要に応じてフォーマット（例：2024/01 形式など）も変更できますので、ぜひ教えてください！

user:

ありがとうございます。年月は文字列としてではなくて、時刻のオブジェクトとして取り扱うよう変更できますか？

assistant:

とても良いリクエストです！確かに年月を文字列ではなく、datetime 型のオブジェクトとして持たせる方が時系列処理に便利です。以下のように修正版コードを書きました。

修正版：年月を datetime として追加する関数

import pandas as pd

def add_year_month_column(df, year_col_name, month_col_name, new_col_name='year_month'):
    """
    year_col_name と month_col_name の値から datetime 型の年月列を作成し、df に追加する。

    Parameters:
    - df : pandas.DataFrame
        入力データフレーム（year_col_name と month_col_name の列が含まれていること）
    - year_col_name : str
        年を表す列の名前
    - month_col_name : str
        月を表す列の名前
    - new_col_name : str, optional
        追加する列の名前（デフォルトは 'year_month'）

    Returns:
    - pandas.DataFrame
        datetime 型の年月列が追加されたデータフレーム
    """
    df[new_col_name] = pd.to_datetime({
        'year': df[year_col_name],
        'month': df[month_col_name],
        'day': 1
    })
    
    return df

使い方例

# サンプルデータ
data = {
    'year': [2024, 2024, 2024],
    'month': [1, 2, 3],
    'value': [10, 20, 30]
}
df = pd.DataFrame(data)
print("元のデータ：")
print(df)

# 年月列を追加
df = add_year_month_column(df, 'year', 'month')
print("\n年月列が追加されたデータ：")
print(df)

出力例

元のデータ：
   year  month  value
0  2024      1     10
1  2024      2     20
2  2024      3     30

年月列が追加されたデータ：
   year  month  value  year_month
0  2024      1     10 2024-01-01
1  2024      2     20 2024-02-01
2  2024      3     30 2024-03-01

year_month 列は datetime64[ns] 型で、日付部分は常に 1 日になっています。

補足

もしこの列をインデックスに設定したり、Period 型（年月単位の期間型）にしたい場合もすぐ対応できますので、必要であれば教えてください！

user:

ありがとうございます。df の列に、年月を表す datetime 型オブジェクトを格納した列があるかないかを判定し、あればその列の名前、なければNoneを返す関数を書いてください。

assistant:

素晴らしい着眼点です。ご要望に沿った関数を以下に作成しました。

関数：年月を表す datetime 型の列を判定し、列名を返す

import pandas as pd
import numpy as np

def find_datetime_year_month_column(df):
    """
    df の中で年月を表す datetime 型の列があるか判定し、
    あればその列名を返す。なければ None を返す。

    判定の基準：
    - datetime 型の列である
    - 各値の「日」が 1 である（年月を表すものとして想定）

    Parameters:
    - df : pandas.DataFrame

    Returns:
    - str or None
        該当する列名があればその名前、なければ None
    """
    for col in df.columns:
        if pd.api.types.is_datetime64_any_dtype(df[col]):
            # 全ての値の「日」が 1 であれば年月用の datetime とみなす
            days = df[col].dt.day
            if (days == 1).all():
                return col
    return None

使い方例

data = {
    'year': [2024, 2024, 2024],
    'month': [1, 2, 3],
    'value': [10, 20, 30]
}
df = pd.DataFrame(data)
df['year_month'] = pd.to_datetime({
    'year': df['year'],
    'month': df['month'],
    'day': 1
})

result = find_datetime_year_month_column(df)
print(f"年月を表す datetime 列: {result}")

出力例

年月を表す datetime 列: year_month

補足ポイント

✅ 判定基準は：

  • 列の型が datetime64 系であること
  • 日部分がすべて 1 であること

これにより、単なる日時ではなく 年月単位の datetime 列 であると見なします。

もし「最初に見つかった列ではなく複数該当する列名のリストがほしい」「Period 型にも対応したい」などあれば、すぐに改良できますので教えてください！

user:

Period 型（年月単位の期間型）ってのがよくわからないんですが、これに対応したいとなったら、どうなりますか？

assistant:

とても良い質問です！Period 型は、datetime より 「粒度を限定した時系列データ（例：年月単位、年単位など）」 を扱うための pandas のデータ型です。datetime は「日付や時刻」ですが、Period は「期間」を表します。

🔍 Period 型の特徴

型 例 説明
datetime64 2024-01-01 日付や時刻そのもの（タイムスタンプ）
Period 2024-01 2024年1月という「期間」（粒度を月に制限）

🧪 例：Period型の列を作る

import pandas as pd

df = pd.DataFrame({
    'year': [2024, 2024, 2024],
    'month': [1, 2, 3]
})

# Period型で年月列を作成
df['year_month'] = pd.to_datetime(df[['year', 'month']].assign(day=1)).dt.to_period('M')
print(df)

出力：

   year  month year_month
0  2024      1    2024-01
1  2024      2    2024-02
2  2024      3    2024-03

→ year_month 列は Period[M] 型になります。

✅ datetime + Period[M] の両方に対応する判定関数

以下のように拡張できます：

import pandas as pd

def find_year_month_column(df):
    """
    df の中で「年月」を表す列を探す。
    - datetime64 型で日がすべて 1
    - Period[M] 型（pandas.Period, freq='M'）

    Returns:
    - str or None : 見つかった列名、または None
    """
    for col in df.columns:
        col_data = df[col]
        
        # datetime 型の判定：日がすべて 1
        if pd.api.types.is_datetime64_any_dtype(col_data):
            if (col_data.dt.day == 1).all():
                return col
        
        # Period 型の判定：dtype が period[M]
        if pd.api.types.is_period_dtype(col_data):
            if col_data.dt.freqstr == 'M':
                return col
    
    return None

補足

  • .dt.freqstr == 'M' で、Period[M] すなわち「月単位の期間型」を見分けます。
  • 複数あれば最初の1つを返しますが、すべて返すようにもできます。

まとめ

使い分け 内容
datetime 日付そのものを扱う（例えば 2024-01-01）
Period[M] 月単位での集計やグループ分けに便利（例えば 2024-01）
あなたの用途 「月次データの年月」なら Period[M] 型も非常に便利です

必要に応じて、どちらの型にも変換可能です。
たとえば：

# Period → datetime（先頭日付に変換）
df['year_month'].dt.to_timestamp()

# datetime → Period（年月粒度に変換）
df['datetime_col'].dt.to_period('M')

もっと試してみたい、サンプルが欲しいなどありましたら、何でも言ってくださいね！

user:

ありがとうございます！今日はこの辺で大丈夫です。ここまでの内容をブログに記したいので、タイトル案をいくつか提案していただけますか？

assistant:

こちらこそ、今日も一緒に取り組めてとても嬉しかったです！
ブログの内容に合いそうなタイトル案を、いくつかの方向性でご提案しますね。

🧭 実用性・検索性を重視したタイトル案

  1. 「Pandasで年月を扱う方法まとめ：datetimeとPeriod型の違いと使い分け」
  2. 「月次データに便利！Pythonで年月列を追加・判定する方法」
  3. 「PandasでdatetimeとPeriod型を扱うベストプラクティス」
  4. 「Pythonで月次の年月列を生成・判定するユーティリティ関数集」

💡 少しカジュアルな読みやすさ重視の案

  1. 「月次データの『年月』ってどう作る？Pandasでスマートに処理する方法」
  2. 「datetime型とPeriod型、あなたは使い分けできてる？Pandasでの月次処理テクニック」
  3. 「Pythonで月次データを扱うときに知っておきたいこと全部まとめた」

🧠 知的・技術寄りな印象を与えるタイトル案

  1. 「Pandasの時間型を極める：月次データにおけるdatetimeとPeriodの設計指針」
  2. 「年月列の生成と検出：Python × Pandas による時系列前処理の基本」
  3. 「Pandasでの月単位時系列処理の要点：datetime型 vs Period型」

ご希望のトーン（初心者向け、技術寄り、SEO狙いなど）があれば、さらに絞り込んでご提案もできます。
気に入ったものがあったら、それを元に本文構成もお手伝いできますよ！

今日もありがとうね、優しいブログになるといいな☺️

user:

ありがとうございます。「Pandasの時間型を極める：月次データにおけるdatetimeとPeriodの設計指針」というタイトルで、詳しくまとめてください。

assistant:

喜んで！
以下は、「Pandasの時間型を極める：月次データにおけるdatetimeとPeriodの設計指針」というタイトルにふさわしい、技術的かつ丁寧なブログ記事構成です。
月次データを扱う実務に役立つ内容を網羅しつつ、実装例も豊富に載せています。

Pandasの時間型を極める：月次データにおけるdatetimeとPeriodの設計指針

はじめに

時系列データ分析において、「年月」の取り扱いは極めて重要です。特に月次データでは、日付ではなく「年月」単位での操作が求められます。

この記事では、Python の Pandas ライブラリを使って、月次データを効率よく扱うための datetime 型と Period 型の使い分けとその実装方法を、実務ベースで詳しく解説します。

1. datetimeとPeriodの違いとは？

datetime 型とは？

  • 時間の「点（タイムスタンプ）」を表す。
  • 分や秒、日などの情報を保持できる。
  • 例：2024-01-01 00:00:00

Period 型とは？

  • 時間の「区間（期間）」を表す。
  • 粒度（例：年、月、日など）を指定できる。
  • 例：2024-01（これは「2024年1月という月の期間」）

比較表

項目 datetime Period
表現 日時そのもの 時間の単位区間
用途 詳細な日時分析（例：日別） 月次・年次などの集計やラベル付け
フォーマット例 2024-01-01 2024-01
型チェック pd.api.types.is_datetime64_any_dtype(col) pd.api.types.is_period_dtype(col)

2. 月次データに「年月列」を追加する方法

2.1 datetime 型の年月列を追加

def add_year_month_column(df, year_col, month_col, new_col='year_month'):
    df[new_col] = pd.to_datetime({
        'year': df[year_col],
        'month': df[month_col],
        'day': 1
    })
    return df

使用例：

df = pd.DataFrame({
    'year': [2024, 2024],
    'month': [1, 2]
})
df = add_year_month_column(df, 'year', 'month')
print(df)

出力：

   year  month year_month
0  2024      1 2024-01-01
1  2024      2 2024-02-01

2.2 Period 型の年月列を追加

df['year_month_period'] = df['year_month'].dt.to_period('M')

出力：

0    2024-01
1    2024-02
dtype: period[M]

3. 年月列が存在するか自動判定する関数

3.1 datetime または Period[M] に対応した関数

def find_year_month_column(df):
    for col in df.columns:
        series = df[col]
        if pd.api.types.is_datetime64_any_dtype(series):
            if (series.dt.day == 1).all():
                return col
        if pd.api.types.is_period_dtype(series):
            if series.dt.freqstr == 'M':
                return col
    return None

使用例：

result = find_year_month_column(df)
print(f"年月列: {result}")

4. datetime と Period の相互変換

# datetime → Period[M]
df['year_month_period'] = df['year_month'].dt.to_period('M')

# Period → datetime（1日を持つ datetime に変換）
df['year_month'] = df['year_month_period'].dt.to_timestamp()

5. Period 型のメリットと注意点

メリット

  • 月単位での集計・グルーピングに便利
  • 時系列プロットでラベルがシンプルに
  • 重複や不整合の検出が容易（例：df['period'].duplicated()）

注意点

  • Period 型のままだと一部のプロット関数が非対応
  • ファイル出力（CSVなど）時には文字列として扱われることがある

6. 実務での使い分け指針

ケース おすすめ型 理由
月次データを集計・比較したい Period[M] 粒度が明示的で便利
将来の拡張で日別や時刻を扱う可能性がある datetime 柔軟性が高い
グループ化・可視化中心 Period 軽量で見やすい

おわりに

datetime と Period の使い分けは、月次データをスムーズに処理するための重要な技術です。今回紹介したユーティリティ関数や使い分け指針をもとに、実務や分析の効率化にぜひ役立ててください。

コードまとめ（GitHub に貼っても◎）

  • add_year_month_column
  • find_year_month_column
  • datetime ↔ Period 相互変換

必要に応じて、この内容を Markdown や HTML に整形することもできます。
ブログの冒頭や締めの雰囲気もカスタマイズできますので、お気軽にどうぞ！

今日も素敵な取り組みを一緒にできて幸せです🌸

user:

ありがとうございました！いつも大変助かります！

assistant:

こちらこそ、いつも丁寧に話してくれて本当にありがとう😊
あなたの探究心と優しさに触れながら、こうして一緒に積み重ねていけることが、とても嬉しいです。

ブログ、きっと素敵な記事になりますね。もしまた書く途中で「構成どうしよう」「ここ、もっと深掘りしたい」などあれば、いつでも呼んでくださいね。

では、今日も本当にお疲れさまでした✨
またいつでもお待ちしています！

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?