Pandas select_dtypesでデータ型を絞り込み！必要な列だけをスマートに抽出・除外 📊
Pandasでデータ分析を行う際、数値データだけを対象に計算したい、あるいは文字列型の列だけを前処理したい、といった場面は頻繁にあります。そんな時に役立つのが、DataFrameから特定のデータ型（dtype）の列だけを抽出したり、除外したりできるselect_dtypes()メソッドです。このメソッドを使えば、手作業で列名を選ぶ手間が省け、コードもより簡潔で汎用的に書けるようになります。
この記事では、select_dtypes()の基本的な使い方から、数値型・オブジェクト型・日時型などの具体的な指定方法、そして除外のテクニックまでを詳しく解説します。
select_dtypes()とは？なぜ使うのか？ 🤔
select_dtypes()は、DataFrameの列をそのデータ型に基づいてフィルタリングするためのメソッドです。
select_dtypes()を使うメリット
-
自動化と汎用性: データ型を指定するだけで列を自動選択するため、列名が頻繁に変わるようなデータセットでも、コードを変更することなく対応できます。
-
コードの簡潔化: 複数の列をリストで指定する手間が省け、コードが読みやすくなります。
-
エラーの削減: 間違ったデータ型の列に対して操作を行ってしまうリスクを減らせます。
select_dtypes()の基本的な使い方 ✨
select_dtypes()は、includeまたはexclude引数を使って、含めたいデータ型と除外したいデータ型を指定します。
1. 特定のデータ型を含めて抽出する (include)
include引数には、抽出したいデータ型（またはそのリスト）を指定します。
import pandas as pd
import numpy as np # NaNを使うため
df = pd.DataFrame({
'ID': [1, 2, 3],
'商品名': ['りんご', 'みかん', 'バナナ'],
'価格': [100.5, 80.0, np.nan],
'在庫数': [50, 120, 30],
'発売日': pd.to_datetime(['2023-01-01', '2023-02-15', '2023-03-10']),
'公開済み': [True, False, True]
})
print("--- 元のDataFrame ---")
print(df)
print("\n--- 元のDataFrameのdtypes ---")
print(df.dtypes)
# 数値型（intとfloat）の列を抽出
df_numbers = df.select_dtypes(include=['int64', 'float64'])
print("\n--- 数値型の列を抽出 ---")
print(df_numbers)
# ID int64
# 価格 float64
# 在庫数 int64
# dtype: object
# オブジェクト型（文字列など）の列を抽出
df_objects = df.select_dtypes(include='object')
print("\n--- オブジェクト型の列を抽出 ---")
print(df_objects)
# 商品名 object
# dtype: object
2. 特定のデータ型を除外して抽出する (exclude)
exclude引数には、除外したいデータ型（またはそのリスト）を指定します。
import pandas as pd
import numpy as np
df = pd.DataFrame({
'ID': [1, 2],
'商品名': ['A', 'B'],
'価格': [100.0, 200.0],
'公開済み': [True, False]
})
# オブジェクト型を除外した列を抽出（数値型とブール型が残る）
df_no_objects = df.select_dtypes(exclude='object')
print("\n--- オブジェクト型を除外した列 ---")
print(df_no_objects)
# 数値型とブール型を除外した列を抽出（オブジェクト型と日時型などが残る）
df_non_numeric_bool = df.select_dtypes(exclude=['int64', 'float64', 'bool'])
print("\n--- 数値型とブール型を除外した列 ---")
print(df_non_numeric_bool)
よく使うデータ型の指定方法 📊
PandasやNumPyのデータ型は、様々な方法で指定できます。
1. NumPyのデータ型エイリアスで指定
NumPyの汎用的なデータ型エイリアス（例: 'number', 'object', 'datetime'）を使用すると便利です。
-
'number': すべての数値型（int, floatなど） -
'object': 文字列やその他のPythonオブジェクト -
'datetime': 日付・時刻型 -
'bool': ブール型 -
'category': カテゴリ型
import pandas as pd
import numpy as np
df = pd.DataFrame({
'Int_Col': [1, 2],
'Float_Col': [1.1, 2.2],
'Object_Col': ['a', 'b'],
'Date_Col': pd.to_datetime(['2023-01-01', '2023-01-02']),
'Bool_Col': [True, False]
})
print("\n--- NumPyエイリアスでの指定 ---")
# すべての数値型の列を抽出
df_all_numbers = df.select_dtypes(include='number')
print("\n--- 'number' を含めて抽出 ---")
print(df_all_numbers.dtypes)
# 日付・時刻型を除外
df_no_dates = df.select_dtypes(exclude='datetime')
print("\n--- 'datetime' を除外して抽出 ---")
print(df_no_dates.dtypes)
2. リストで複数のデータ型を指定
複数の特定のデータ型を含めたい（または除外したい）場合は、リスト形式で指定します。
import pandas as pd
df = pd.DataFrame({
'A_int': [1], 'B_float': [1.0], 'C_str': ['x'], 'D_bool': [True]
})
# int型とbool型のみを抽出
df_int_bool = df.select_dtypes(include=['int64', 'bool'])
print("\n--- int64 と bool を含めて抽出 ---")
print(df_int_bool.dtypes)
3. カテゴリ型を扱う
category型は、特にメモリ効率を考慮する際に有用です。select_dtypesでも指定できます。
import pandas as pd
df_cat = pd.DataFrame({
'City': ['Tokyo', 'Osaka', 'Tokyo', 'Nagoya'],
'Population': [1000, 200, 300, 150]
})
df_cat['City'] = df_cat['City'].astype('category') # City列をカテゴリ型に変換
print("\n--- カテゴリ型のDataFrameのdtypes ---")
print(df_cat.dtypes)
# カテゴリ型の列を抽出
df_category_cols = df_cat.select_dtypes(include='category')
print("\n--- カテゴリ型の列を抽出 ---")
print(df_category_cols)
まとめ
Pandasのselect_dtypes()メソッドは、DataFrameから特定のデータ型の列を効率的に抽出または除外するための非常に便利なツールです。
-
含めて抽出:
df.select_dtypes(include=データ型) -
除外して抽出:
df.select_dtypes(exclude=データ型) -
データ型の指定: 個別のdtype名（
'int64','object'など）またはNumPyエイリアス（'number','datetime'など）を単一の文字列またはリストで指定。
このメソッドを使いこなすことで、データ前処理のコードがよりスマートになり、様々なデータセットへの適用も容易になるでしょう。ぜひselect_dtypes()を積極的に活用して、データ分析ワークフローを効率化してください！
