文字列の日付を「分析可能な時」に変える魔法：Pythonで一括変換

データ分析を始めたばかりの頃、私はいつも“あの壁”にぶち当たっていました。CSVファイルを読み込んだ瞬間、目に飛び込んでくる日付の列。それはまるで、遠い異国の言葉で書かれた暗号のようでした。「2025年1月1日」「2025/01/01」「01-Jan-2025」…。形式はバラバラ、しかもそれは単なる「文字列」。

「このままじゃ、月ごとの売上推移も、顧客の購買サイクルも、何も分析できないじゃないか…」

私は当時、営業からデータ分析部門に異動したばかりで、Pythonの知識もまだ浅かった。Excelでの手作業修正に慣れていた私は、まずその泥沼に足を踏み入れました。一つ一つセルをダブルクリックし、書式設定をいじり、時には関数を駆使して「日付」として認識させようと試みる。しかし、データ量が増えれば増えるほど、その作業はまるで果てしない砂漠を一人で歩くような苦行でした。

「またエラーだ…！なんでVLOOKUPが効かないんだ！？」

深夜のオフィスで、私はモニターを睨みつけながら叫びそうになったことがあります。上司からは「今週中には分析結果を出せ」とプレッシャーをかけられているのに、日付の整形だけで丸一日が溶けていく。疲労困憊で「もうダメかもしれない…」と、何度も諦めかけました。こんなはずじゃなかった。データ分析で未来を切り開くどころか、過去のデータと格闘するばかり。このままじゃ家族にも心配をかけてしまう。

そんな私の絶望を打ち破ってくれたのは、大手IT企業でデータサイエンティストをしている友人からのアドバイスでした。彼が教えてくれたのは、たった一行の「魔法」でした。

「なあ、お前、まだ文字列の日付で消耗してるのか？ Pythonのpandasにto_datetimeって関数があるだろ？あれを使えば、一瞬で解決するぞ。」

半信半疑で試した私は、その瞬間に覚醒しました。目の前で、何千、何万というバラバラな日付文字列が、まるで時計の針が一斉に動き出すかのように、正確なdatetimeオブジェクトに一括変換されていく光景は、まさに圧巻でした。それはまるで、壊れた時計を修理し、過去から未来まで正確な時間を刻む「データ分析のタイムマシン」を手に入れたような感覚でした。

なぜ文字列の日付ではダメなのか？

改めて、なぜ文字列の日付ではいけないのでしょうか？それはシンプルに、コンピュータがそれを「日付」として認識しないからです。文字列はあくまでテキスト情報。足し算や引き算、期間の比較といった「時間軸」に関する計算が一切できません。Excelでも多少の処理は可能ですが、データソースが多様化し、分析が複雑になるほど限界が見えてきます。

Python `pandas.to_datetime`で「時」を操る

この問題を根本から解決するのが、Pythonのデータ分析ライブラリpandasが提供するto_datetime関数です。この関数を使えば、どんなに複雑な日付文字列でも、驚くほど簡単にdatetime形式に変換できます。

例えば、以下のようなデータがあるとします。

“`python

import pandas as pd

data = {‘売上日’: [‘2025年1月1日’, ‘2025年2月15日’, ‘2025年3月30日’],

‘売上額’: [10000, 15000, 20000]}

df = pd.DataFrame(data)

print(df)

“`

この売上日列は現在、文字列です。これをdatetime形式に変換するには、たった一行。

“`python

df[‘売上日’] = pd.to_datetime(df[‘売上日’], format=’%Y年%m月%d日’)

print(df)

“`

これで売上日列はdatetimeオブジェクトに変換され、日付計算や時系列分析が可能になります。format引数で、元の文字列の形式を正確に指定するのがポイントです。もし形式が不明確でエラーが出る場合は、errors='coerce'オプションを追加すると、変換できない値をNaT（Not a Time）として処理し、分析を止めずに進めることができます。