【Python】Pandas版 売上データ集計ツール開発講座 第1章1.2節「データ前処理システムの構築」

pd.to_datetime()による日付変換機能の実装

前節(第1章 1.1節)で作成したコードを基盤として、pd.to_datetime()による日付データの標準化機能を実装します。現在の読み込み機能では、Excelの日付データが元の形式（2024-01-15など）で保持されているため、月別集計を行う際に年月形式（2024-01）への変換が必要です。

pd.to_datetime()とdt.strftime()を組み合わせることで、日付データの形式を統一できます。この2段階処理により、様々な日付形式を確実にdatetimeオブジェクトオブジェクトはプログラムの要素の一つで、データとその操作手段を一つにまとめたものです。に変換した後、分析に適した年月形式の文字列文字列は文字の並びを表現するデータ型で、テキストデータを扱うための基本的な構造として広く使用されています。に変換します。

また、preprocess_data()関数を新規追加して、データ前処理を独立管理します。この関数では元データの行数表示、日付変換実行、処理完了確認の3つのステップで構成され、各段階で適切なメッセージを出力して処理状況を把握できます。変換前後でデータ構造データ構造はプログラミングでデータを効率的に格納・管理するための仕組みで、適切な選択により操作の高速化が可能です。を比較表示することで、日付列の形式変化を視覚的に確認できるようになります。

# コード
import pandas as pd
import os

def load_sales_data(filepath):
    """売上データの読み込み"""
    if not os.path.exists(filepath):
        print(f"エラー: ファイルが見つかりません - {filepath}")
        return None
    
    df = pd.read_excel(filepath)
    print(f"データ読み込み完了: {len(df)}行, {len(df.columns)}列")
    print("データ構造:")
    print(df.head())
    return df

def preprocess_data(df):
    """データ前処理"""
    if df is None:
        return None
    
    print(f"元データ: {len(df)}行")
    
    # 日付変換
    df['Date'] = pd.to_datetime(df['Date']).dt.strftime("%Y-%m")
    print("日付変換完了")
    
    print("処理済みデータ:")
    print(df.head())
    return df

# メイン処理
def main():
    filepath = "sample.xlsx"
    df = load_sales_data(filepath)
    
    if df is not None:
        print("読み込み成功！")
        # データ前処理の実行
        processed_df = preprocess_data(df)
        if processed_df is not None:
            print(f"最終データ: {len(processed_df)}行")
            print("データ型:")
            print(processed_df.dtypes)
    else:
        print("読み込み失敗")

if __name__ == "__main__":
    main()

# 実行結果
データ読み込み完了: 100行, 4列
データ構造:
    Product    Area        Date  Price
0  ProductA  Tokyo  2024-01-15   1000
1  ProductB  Osaka  2024-01-16   1500
2  ProductC  Tokyo  2024-01-17   2000
3  ProductA  Nagoya 2024-01-18   1200
4  ProductB  Tokyo  2024-01-19   1800
読み込み成功！
元データ: 100行
日付変換完了
処理済みデータ:
    Product    Area      Date  Price
0  ProductA  Tokyo   2024-01   1000
1  ProductB  Osaka   2024-01   1500
2  ProductC  Tokyo   2024-01   2000
3  ProductA  Nagoya  2024-01   1200
4  ProductB  Tokyo   2024-01   1800
最終データ: 100行
データ型:
Product    object
Area       object
Date       object
Price       int64
dtype: object