【python】演算とデータタイプ（型）

演算とデータタイプ

pythonの基本的な知識として、演算とデータタイプについて説明します。

【python】pythonのまとめ経済統計の使い方では、統計データの入手法から分析法まで解説しています。 https://officekaisuiyoku.com...

経済統計の使い方では、統計データの入手法から分析法まで解説しています。

Contents

変数
- 変数の代入
- 変数の消去
演算
データタイプ（型）
NumPyのデータ型
Pandasのデータ型

変数

変数の代入

変数を定義してさまざまな演算ができます。aに１を代入するには

変数の代入：a=1

とします。

変数どうしの演算ができます。b=2と定義して、a+bを計算することができます。

a=1
b=2
c=a+b
print(c)

出力

変数の消去

変数の消去：del　a

変数を消去するにはdel関数を使います。

a=1
del a
print(a)

出力

NameError: name 'a' is not defined

演算

演算の記号です。通常の数学とは違う形のものもあります。//は割り算の結果を切り捨てて整数で表示します。%は割り算をした余りを表示します。累乗は**で表します。エクセルの^と同じです。

演算子	説明	例	結果
+	足し算	3 + 2	5
–	引き算	3 – 2	1
*	掛け算	3 * 2	6
/	割り算	3 / 2	1.5
//	切り捨て除算	3 // 2	1
%	余り	3%2	1
**	累乗（べき乗）	3**2	9

データタイプ（型）

🧾 Pythonの基本データ型

pythonの基本的なデータ型は以下です。

データ型	型名	例	説明
整数型	int	10	整数
浮動小数点型	float	3.14	小数を扱う
論理型	bool	True, False	真理値（真か偽か）
文字列型	str	“hello”	文字列
None型	NoneType	None	値が存在しない
リスト	list	[1, 2, 3]	順序あり・変更可能
タプル	tuple	(1,2,3)	順序あり・変更不可
辞書	dict	{“a”:1,”b”:2}	キーと値の組
集合	set	{1,2,3}	重複無しの集まり

データ型の調べ方

タイプを調べる：type()

オブジェクトがどのデータ型にあるかを調べる場合は、type()を使います。

a=1
print(type(a))

出力

<class 'int'>

型は自動的に決まる

型は作成したときにpythonが判断して自動的に決まります。

X1=10
print(type(X1))

X2='広島'
print(type(X2))

X3=True
print(type(X3))

X4=[1,2,3]
print(type(X4))

出力

<class 'int'>
<class 'str'>
<class 'bool'>
<class 'list'>

型の変更も可能

型の変換：型の関数（変数）

型の変換は、int()、float()、str()、bool() などの関数を使用します。例えば、文字列 '123' を整数に変換するには int('123') とします。

ライブラリ	変換方法	例	備考
Python	`int()`	`int("123")` → 123	文字列や小数を整数に変換
Python	`float()`	`float("3.14")` → 3.14	整数・文字列を小数に
Python	`str()`	`str(100)` → “100”	何でも文字列に変換
Python	`bool()`	`bool(0)` → False	0, 空文字, None は False,それ以外はTrue

a="123"
print(type(a))
a=int(a)
print(type(a))

出力

<class 'str'>
<class 'int'>

カッコと型の対応

pythonで使うカッコは3種類です。<>はカッコとしては使わず、不等号として使います。型との対応は以下です。

[] リスト
()　タプル
{}　集合

さらに関数や辞書などでも使います。

()　関数:print(“Hello”)
辞書　{}:{“a”:1,”b”:2}

NumPyのデータ型

Pythonの基本的なデータ型はオブジェクトの種類を表しますが、NumPyやPandasでは、配列やデータフレームの要素についてデータ型があります。整数や小数については、計算の速さと精度の兼ね合いでさまざまな種類がありますが、標準的な64ビット（int64,float64)が使われる場合が多く、ほかのものを使うことはあまりありません。独自のものとしては、データ型が混合しているobjectがあります。

🧪 NumPyの主なデータ型一覧

型名	ビット数	説明	例
int8	8ビット	符号付き整数（-128～127）	-100
int16	16ビット	符号付き整数	30000
int32	32ビット	符号付き整数	2000000
int64	64ビット	符号付き整数（大きな整数向け）（標準）	10**18
uint8	8ビット	符号なし整数（0～255）	255
float16	16ビット	低精度の浮動小数点	3.14
float32	32ビット	単精度浮動小数点	3.1415
float64	64ビット	倍精度浮動小数点（標準）	3.1415926535
bool	1ビット相当	論理値	True
object	可変	任意のPythonオブジェクト	“abc”, [1, 2]
str	可変	固定長の文字列	‘abc’

データ型の調べ方

pythonではtype()関数を使いますが、NumPyでは、dtypeメソッドを使います。

import numpy as np

a=np.array([1,2,3])
print(a.dtype)

b=np.array([1.1,2.2,3.3])

print(b.dtype)

出力

int64
float64

データ型の変更

データ型の変更：astype(データ型）メソッド

データ型を変更するには、arr.astype関数を使います。astype メソッドを使用して型変換を行う際、変換先の型に互換性がないデータが含まれていると、エラーが発生することがあります。

🔄 NumPy の型変換（astype）一覧

変換先の型	用途・意味	例	備考
`int` / `np.int32` / `np.int64`	浮動小数点 → 整数	`astype(int)`	小数点以下は切り捨て
`float` / `np.float32` / `np.float64`	整数 → 小数	`astype(float)`	精度を指定できる
`str` / `np.str`	数値 → 文字列	`astype(str)`	全て文字列に変換
`bool` / `np.bool`	数値 → 真偽値	`astype(bool)`	0はFalse、それ以外はTrue
`np.uint8`	符号なし整数（0～255）	`astype(np.uint8)`	画像処理などで使用
`np.object`	混合型または文字列型への変換	`astype(object)`	異種型がある場合の安全変換

import numpy as np
a=np.array([1,2,3])
b=a.astype(float)
c=a.astype(str)
print(a)
print(b)
print(c)

出力

[1 2 3]
[1. 2. 3.]
['1' '2' '3']

Pandasのデータ型

pandasのデータ型は、pandas特有のものがあります。文字列はstringとなっています。カテゴリ型があります。日時型は、西暦（4桁）ー月（2桁）ー日（2桁）という形式で、例えば2024-01-01という形になります。時間差型は日・時間・分・秒をあらわすもので、1days00:00:00という形となります。

📊 Pandasの主なデータ型一覧

型名	説明	例
int64	整数型（欠損なし）	100
float64	浮動小数点型（欠損ありでもOK）	3.14
bool	論理型	True
object	任意のPythonオブジェクトを格納できる型。文字列や混合型のデータを含む場合に使用。	“abc”
string	新しい文字列型（v1.0以降）	“abc”
category	カテゴリ型（メモリ効率が高い）	“A”, “B”
datetime64[ns]	日時型（ナノ秒精度）	2024-01-01
timedelta[ns]	時間差型	1 days 00:00:00

データ型の調べ方

import pandas as pd

a=pd.Series([1,2,3],name="A")
print(a.dtype)

b=pd.DataFrame({"B":[1,2,3]})
print(b.dtypes)

出力

int64　<-aのデータ型
B    int64　<-Bのデータに関するデータ型
dtype: object　<-データフレーム全体はobject

Pandasのデータ型の変換

データ型の変更：astype(データ型）メソッド

Pandasのデータフレームの型の変換についてです。データフレーム全体のデータ型を変える時はデータフレームにastypeメソッドを使います。一列だけ変えたいときは、データフレーム[“列”]にastypeメソッドを使います。

変換先の型	用途・説明	使用例	備考
`int` / `int64`	文字列や小数から整数に	`df["列"].astype(int)`	欠損値があるとエラー
`float` / `float64`	整数や文字列から小数に	`df["列"].astype(float)`	NaNも扱える
`str` / `string`	数値や論理値を文字列に	`df["列"].astype(str)`	`string`はPandas独自型
`bool`	0/1や文字列を真偽値に	`df["列"].astype(bool)`	“True”/”False”も可
`category`	文字列をカテゴリ型に変換	`df["列"].astype("category")`	省メモリ＆分類処理に有利
`datetime64[ns]`	日付文字列を日時型に変換	`pd.to_datetime(df["列"])`	日時演算や抽出が可能になる
`timedelta64[ns]`	時間差を表す型に変換	`pd.to_timedelta(df["列"])`	例: “1 days”, “00:05:00”
`object`	混合データや任意の型を扱う	`df["列"].astype(object)`	型が定まらない場合に自動で使われる

下の例は、文字列でできたデータフレーム全体を小数に変更し、次に年齢の列だけ整数に変更したものです。

import pandas as pd

df = pd.DataFrame({
    '年齢': ['25', '30', '35'],     # ← 文字列
    '得点': ['88.5', '92.0', '79.5']  # ←文字列
})
print(df)

a=df.astype(float)   #←小数に変更
print(a)

a['年齢']=a['年齢'].astype(int)　　#←整数に変更
print(a)

出力

  年齢    得点　　　　#文字列
0  25  88.5
1  30  92.0
2  35  79.5

     年齢    得点　　　#小数
0  25.0  88.5
1  30.0  92.0
2  35.0  79.5

   年齢    得点　　#年齢は整数、得点は小数
0  25  88.5
1  30  92.0
2  35  79.5