はじめに
エクセルファイルをpandasでデータフレームにしたとき、日付が、タイムスタンプになっている時と、文字列になっている時がある。処理しやすくするようにフォーマットを変換する方法をまとめる。
エクセルファイルの例
A,B列は日付フォーマット、C,Dは文字列フォーマット。ファイル名は「pandas_day.xlsx」とする。
各列のフォーマット確認
日付フォーマットはtimestampで文字列フォーマットはstrでデータフレームになる。
import pandas as pd
df = pd.read_excel('pandas_day.xlsx',)
# 値
print(f"{df}")
# A B C D
# 0 2020-02-01 2020-02-01 2020/2/1 2020年2月1日
# 1 2020-02-02 2020-02-02 2020/2/2 2020年2月2日
# 2 2020-02-03 2020-02-03 2020/2/3 2020年2月3日
# 3 2025-02-01 2025-02-01 2025/2/1 2025年2月1日
# 4 2025-02-02 2025-02-02 2025/2/2 2025年2月2日
# 5 2025-02-03 2025-02-03 2025/2/3 2025年2月3日
# 6 2025-03-01 2025-03-01 2025/3/1 2025年3月1日
# 7 2025-03-02 2025-03-02 2025/3/2 2025年3月2日
# 8 2025-03-03 2025-03-03 2025/3/3 2025年3月3日
# type確認
print(f"{type(df['A'][0])=}\n{type(df['B'][0])=}\n{type(df['C'][0])=}\n{type(df['D'][0])=}")
# type(df['A'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
# type(df['B'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
# type(df['C'][0])=<class 'str'>
# type(df['D'][0])=<class 'str'>
Timestampsへ変換する
pd.to_datetime()で変換できる。format=で文字列のフォーマットを指定して変換する。
import pandas as pd
df = pd.read_excel('pandas_day.xlsx',)
# 日時変更
df['C']=pd.to_datetime(df['C'], format='%Y/%m/%d')
df['D'] = pd.to_datetime(df['D'], format='%Y年%m月%d日')
# 値
print(f"{df}")
# A B C D
# 0 2020-02-01 2020-02-01 2020-02-01 2020-02-01
# 1 2020-02-02 2020-02-02 2020-02-02 2020-02-02
# 2 2020-02-03 2020-02-03 2020-02-03 2020-02-03
# 3 2025-02-01 2025-02-01 2025-02-01 2025-02-01
# 4 2025-02-02 2025-02-02 2025-02-02 2025-02-02
# 5 2025-02-03 2025-02-03 2025-02-03 2025-02-03
# 6 2025-03-01 2025-03-01 2025-03-01 2025-03-01
# 7 2025-03-02 2025-03-02 2025-03-02 2025-03-02
# 8 2025-03-03 2025-03-03 2025-03-03 2025-03-03
# type確認
print(f"{type(df['A'][0])=}\n{type(df['B'][0])=}\n{type(df['C'][0])=}\n{type(df['D'][0])=}")
# type(df['A'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
# type(df['B'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
# type(df['C'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
# type(df['D'][0])=<class 'pandas._libs.tslibs.timestamps.Timestamp'>
日付で行フィルタする
dt.year、dt.month、dt.dayで日付をフィルタできる。
import pandas as pd
df = pd.read_excel('pandas_day.xlsx',)
# 2020年だけフィルタ
df_2020=df[df['A'].dt.year == 2020]
# 値
print(f"{df_2020}")
# A B C D
# 0 2020-02-01 2020-02-01 2020-02-01 2020-02-01
# 1 2020-02-02 2020-02-02 2020-02-02 2020-02-02
# 2 2020-02-03 2020-02-03 2020-02-03 2020-02-03
# 2月だけフィルタ
df_2=df[df['A'].dt.month == 2]
# 値
print(f"{df_2}")
# A B C D
# 0 2020-02-01 2020-02-01 2020-02-01 2020-02-01
# 1 2020-02-02 2020-02-02 2020-02-02 2020-02-02
# 2 2020-02-03 2020-02-03 2020-02-03 2020-02-03
# 3 2025-02-01 2025-02-01 2025-02-01 2025-02-01
# 4 2025-02-02 2025-02-02 2025-02-02 2025-02-02
# 5 2025-02-03 2025-02-03 2025-02-03 2025-02-03
フォーマット指定をして文字列に変換する
dt.strftime()でフォーマットを指定して文字列に変換できる。
import pandas as pd
df = pd.read_excel('pandas_day.xlsx',)
# 日付を文字列に変更
df['A']=df['A'].dt.strftime('%Y年%m月%d日')
df['B']=df['B'].dt.strftime('%Y年%m月%d日')
df['C']=df['C'].dt.strftime('%Y年%m月%d日')
df['D']=df['D'].dt.strftime('%Y年%m月%d日')
# 値
print(f"{df}")
# A B C D
# 0 2020年02月01日 2020年02月01日 2020年02月01日 2020年02月01日
# 1 2020年02月02日 2020年02月02日 2020年02月02日 2020年02月02日
# 2 2020年02月03日 2020年02月03日 2020年02月03日 2020年02月03日
# 3 2025年02月01日 2025年02月01日 2025年02月01日 2025年02月01日
# 4 2025年02月02日 2025年02月02日 2025年02月02日 2025年02月02日
# 5 2025年02月03日 2025年02月03日 2025年02月03日 2025年02月03日
# 6 2025年03月01日 2025年03月01日 2025年03月01日 2025年03月01日
# 7 2025年03月02日 2025年03月02日 2025年03月02日 2025年03月02日
# 8 2025年03月03日 2025年03月03日 2025年03月03日 2025年03月03日
# type確認
print(f"{type(df['A'][0])=}\n{type(df['B'][0])=}\n{type(df['C'][0])=}\n{type(df['D'][0])=}")
# type(df['A'][0])=<class 'str'>
# type(df['B'][0])=<class 'str'>
# type(df['C'][0])=<class 'str'>
# type(df['D'][0])=<class 'str'>
以上