日付型にする

このレッスンでできるようになること。文字列の日付を日付型に変換し、そこから月や曜日を取り出せるようになります。

read_csv は日付を文字列として読み込みます。2026-01-05 は数字とハイフンの並びに見えますが、pandas にとってはただの文字列です。文字列のままだと、月ごとの集計もできませんし、期間で絞ることもできません。

日付型に直すのが pd.to_datetime です。

これで型が datetime64 になります。よくある形式は自動で読み取ってくれるので、2026-01-05 も 2026/1/5 も同じように通ります。日本語の 2026年1月5日 のような形は自動では読めないので、pd.to_datetime(df["売上日"], format="%Y年%m月%d日") のように形式を教えます。

日付型にするとdtアクセサが使えます。前のレッスンの str アクセサと同じ考え方で、日付専用の入口です。

• df["売上日"].dt.year は年
• df["売上日"].dt.month は月の数字
• df["売上日"].dt.day は日
• df["売上日"].dt.dayofweek は曜日の番号で、月曜が0、日曜が6

月別の売上を出したいなら、まず月の列を作ります。df["月"] = df["売上日"].dt.month と書けば、4章の groupby でそのまま束ねられます。年をまたぐデータでは月の数字だけだと去年の1月と今年の1月が混ざるので、df["売上日"].dt.to_period("M") で「2026-01」という年月の単位にするのが安全です。

日付型どうしは引き算ができます。df["売上日"].max() - df["売上日"].min() で、データが何日分あるかが分かります。前処理の最後にこれを見ておくと、想定より短い期間しか入っていない事故に気づけます。この演習では、売上日を日付型にして月の列を作ります。

1. pd.to_datetime で売上日を日付型にする
2. dt.month で月の列を作る
3. dtype に変換後の型名を文字列で入れる
4. months に月のリストを入れる
5. month_count に月の種類数、span_days に最大と最小の差の日数を int で入れる