【Python・Pandas入門】DataFrameの文字列から数字を削除する方法

PandasでDataFrameの文字列から数字を削除する方法

PythonのPandasライブラリを使うと、DataFrame内の文字列データから数字を簡単に取り除けます。本記事では、replace()メソッドを活用して、特定の列の文字列から数字を削除する手順を解説します。

まず、必要なライブラリをインポートしましょう。

import pandas as pd

サンプル用のDataFrameを作成する

学生の記録を含むDataFrameを作成します。「Id」列には「S01」「S02」のように、アルファベットと数字が混在した文字列が格納されています。

dataFrame = pd.DataFrame(
    {
        "Id": ['S01','S02','S03','S04','S05','S06','S07'],
        "Name": ['Jack', 'Robin', 'Ted', 'Robin', 'Scarlett', 'Kat', 'Ted'],
        "Result": ['Pass', 'Fail', 'Pass', 'Fail', 'Pass', 'Pass', 'Pass']
    }
)

正規表現を使って数字を削除する

「Id」列の文字列から数字を削除するには、str.replace()メソッドに正規表現パターンの\d+(1桁以上の連続した数字)を指定し、空文字''に置き換えます。

dataFrame['Id'] = dataFrame['Id'].str.replace(r'\d+', '', regex=True)

なお、pandas 2.0以降では正規表現による置換を行う際にregex=Trueを明示的に指定することが推奨されているため、上記のコードでは指定しています。

完全なサンプルコード

以下が全体のコードです。

import pandas as pd

# 学生記録を含むDataFrameを作成
dataFrame = pd.DataFrame(
    {
        "Id": ['S01','S02','S03','S04','S05','S06','S07'],
        "Name": ['Jack', 'Robin', 'Ted', 'Robin', 'Scarlett', 'Kat', 'Ted'],
        "Result": ['Pass', 'Fail', 'Pass', 'Fail', 'Pass', 'Pass', 'Pass']
    }
)

print("DataFrame ...\n", dataFrame)

# 特定の列(Id)の文字列から数字を削除
dataFrame['Id'] = dataFrame['Id'].str.replace(r'\d+', '', regex=True)

print("\nUpdated DataFrame...\n", dataFrame)

実行結果

上記のコードを実行すると、次のような出力が得られます。

DataFrame ...
     Id      Name   Result
0  S01      Jack     Pass
1  S02     Robin     Fail
2  S03       Ted     Pass
3  S04     Robin     Fail
4  S05  Scarlett     Pass
5  S06       Kat     Pass
6  S07       Ted     Pass

Updated DataFrame...
   Id      Name   Result
0   S      Jack     Pass
1   S     Robin     Fail
2   S       Ted     Pass
3   S     Robin     Fail
4   S  Scarlett     Pass
5   S       Kat     Pass
6   S       Ted     Pass

実行結果を見ると、「Id」列の値がすべて「S01」→「S」、「S02」→「S」となり、数字部分だけがきれいに削除されていることが確認できます。

ポイントまとめ

• str.replace()はSeriesの各要素に対して文字列置換を行うメソッド
• 正規表現パターン\d+は「1桁以上の連続した数字」にマッチする
• 置換後の文字列を空文字''にすることで、該当部分を削除できる
• 新しいバージョンのpandasではregex=Trueの指定が推奨される

同様の手法は、IDやコード番号など、接頭辞と数字が組み合わさったデータの前処理にも応用できます。ぜひ実際のデータ分析業務で活用してみてください。