🎨 直感で掴む

モデルに渡す前にデータをクレンジング・変換する工程。 ここでの誤りが下流に伝播するので慎重に。

本ページでは 型変換 を、 定義・前提条件・使い方・落とし穴の順に整理して解説します。 厳密な定義より、 まず何を、 いつ、 どう使うかを理解することを優先してください。

📐 定義

データ型を変換する処理

英語名 Type Conversion。

🎯 いつ・どこで使うか

• 「データ前処理」分野の標準的な道具として、 多くの分析で登場します。
• 📚 データエンジニアリング を学ぶときに必ず通過する基本概念です。
• 論文・実務レポートで頻出する用語なので、 1 度はちゃんと理解しておくと後が楽です。

📋 前提条件・適用範囲

この用語を理解・使用するときは、 次のような前提を意識してください：

• データの性質：尺度（名義/順序/間隔/比例）と分布を確認
• サンプル数：手法によって最低限のサンプル数が異なります
• 独立性：観測が独立であるかを確認（時系列・パネル等では別の手法が必要）
• 欠損・外れ値：前処理の方針を明確に

⚠️ よくある落とし穴

🐍 Python での扱い

SSDSE-B-2026 のような公的統計データを Python で扱う際の基本パターン：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

import pandas as pd
import numpy as np

# データ読み込み
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
print(df.shape)
print(df.dtypes)
print(df.describe())

# 「型変換」の文脈で扱う場合の例：
# 分野: データ前処理
# 関連手法は同カテゴリの他用語を参照してください。

具体的なコードは データエンジニアリング を参照してください。

📝 レポートでの報告

分析結果を報告するときに含めるべき情報：

• 使ったデータ：出典・期間・サンプル数
• 適用条件の確認：前提が満たされているか
• 計算結果：数値だけでなく不確実性（CI・SE）も
• 解釈：何を意味するか、 何を意味しないか
• 限界：適用範囲外への拡張は避ける

✅ チェックリスト

• □ 「型変換」を使う場面か再確認したか
• □ データの尺度・分布・サンプル数を確認したか
• □ 前提条件を満たしているか
• □ 計算した値だけでなく不確実性も把握したか
• □ 解釈と限界を区別したか
• □ 関連グループ教材で全体像を確認したか

📚 関連グループ教材

この用語の全体像を学ぶには、 まず横断的な教材で文脈を掴むのが効率的です：

• 📚 データエンジニアリング — このカテゴリの全体像を学ぶ

🔗 同カテゴリの他用語

🔖 キーワード索引

📍 あなたが今見ているもの

CSV を読み込んだら「数値の列が文字列になっていた」「日付が単なるテキストだった」という経験は誰しもあるはず。 この「型を正しい型に直す」のが型変換。 これを怠ると、 sort が辞書順になったり、 集計で意味のない結果が出たり、 機械学習モデルがエラーを吐いたりします。 つまり、 分析の全工程に影響する、 一見地味で実は最重要な前処理。

📐 形式的定義

🔬 pandas の型をことばで理解する

🧮 型変換の実例 — メモリ使用量

同じ「47 都道府県」のデータを違う型で保存した場合のメモリ比較：

🐍 Python 実装 — 完全ガイド

パターン 1: astype による直接変換

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)

# 文字列を整数に
df['総人口'] = df['総人口'].astype(int)

# 整数を文字列に
df['年'] = df['年'].astype(str)

# 複数列を一度に
df = df.astype({'消費支出': float, '可処分所得': float, '都道府県': 'category'})
print(df.dtypes)

パターン 2: to_numeric — エラーに強い数値変換

1
2
3
4
5
6
7
8
9

# errors='coerce' で変換できない値を NaN に
df['消費支出'] = pd.to_numeric(df['消費支出'], errors='coerce')

# errors='raise' (デフォルト) でエラーを上げる
# errors='ignore' で元の値を保持

# downcast でメモリ節約
df['人口'] = pd.to_numeric(df['人口'], downcast='integer')  # int8〜int64 の最小
df['率'] = pd.to_numeric(df['率'], downcast='float')

パターン 3: to_datetime — 日時の変換

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# ISO 形式は自動認識
df['日付'] = pd.to_datetime(df['日付'])

# format 指定（速度・確実性 UP）
df['日付'] = pd.to_datetime(df['日付'], format='%Y/%m/%d')

# 年月日が別列なら
df['日付'] = pd.to_datetime(df[['year', 'month', 'day']])

# タイムゾーン付き
df['UTC日時'] = pd.to_datetime(df['日時']).dt.tz_localize('Asia/Tokyo').dt.tz_convert('UTC')

パターン 4: カテゴリ型でメモリ節約

1
2
3
4
5
6
7
8
9

# 単純なカテゴリ化
df['都道府県'] = df['都道府県'].astype('category')

# 順序付きカテゴリ
size_order = pd.CategoricalDtype(categories=['小', '中', '大'], ordered=True)
df['規模'] = df['規模'].astype(size_order)

# メモリ削減効果を確認
print(df.memory_usage(deep=True))

パターン 5: 全列一括の型最適化

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

def optimize_dtypes(df):
    for col in df.select_dtypes(include=['int']).columns:
        df[col] = pd.to_numeric(df[col], downcast='integer')
    for col in df.select_dtypes(include=['float']).columns:
        df[col] = pd.to_numeric(df[col], downcast='float')
    for col in df.select_dtypes(include=['object']).columns:
        if df[col].nunique() / len(df) < 0.5:
            df[col] = df[col].astype('category')
    return df

df = optimize_dtypes(df)
print(df.info(memory_usage='deep'))

⚠️ 型変換でハマる 8 つの罠

🌐 関連手法・派生 — 型変換の周辺

🔗 関連用語（前提・並列・発展）— 詳細

📌 前提となる用語

⚖️ 並列・対比となる用語

🚀 発展先

🔎 深掘り — pandas の拡張型（Int64, Float64, string）

pandas 1.0 以降、 NaN を保ったまま型を保てる拡張型が登場。 従来の罠を回避できる。

使い方: df['col'] = df['col'].astype('Int64') のように大文字始まりで指定。

📊 ツール別 型変換の書き方

✅ 型変換の前に必ず確認

1. 変換前後のサンプル値を最低 5 個確認したか
2. 欠損がどう扱われるか確認したか（NaN になる？ エラー？）
3. 変換後の分布が想定通りか確認したか（describe()）
4. 不可逆変換（情報損失）かどうか把握したか
5. 下流処理に影響しないか（モデル、 集計、 可視化）
6. 変換ロジックを関数化して再現可能にしたか

📚 関連グループ教材（追加）

• 📚 用語集トップ
• 🗺️ 概念マップ
• 🧹 データ前処理 — クレンジングと変換の体系
• 🐼 pandas 基礎
• ⚙️ データエンジニアリング

📖 さらに学ぶには

• pandas 公式: Dtypes — astype, to_numeric, to_datetime
• 『Python for Data Analysis』（Wes McKinney）
• 『Effective pandas』（Matt Harrison）
• pyjanitor — 前処理の便利関数集