strアクセサ

strアクセサとは、文字列が格納されたSeriesやIndexで使える機能です。strアクセサを介することで、「文字数をカウントする」「指定した文字列を置換する」といった文字列処理でよくある操作を簡潔に記述できます。

具体的な例を見てみましょう。次のような口コミのデータについて考えてみます。

	ユーザーID	評価	コメント
0	user1	5	とても使いやすく書きやすいです！２本目を買いたいと思います！
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。

各行のコメントの文字数をカウントする場合、前クエスト「列や行に関数を適用しよう」で学んだapply()を使って次のように書けます。

def calc_length(comment):
    # 列「コメント」の文字数を求める
    return len(comment)

df["コメント"].apply(calc_length)

0    30
1    39
2    31
3    37
Name: コメント, dtype: int64

これは、strアクセサを使うと次のように簡潔に記述できます。

# strアクセサを使って列「コメント」の文字数を求める
df["コメント"].str.len()

strアクセサでは、NaNを考慮して処理を行う点も便利です。たとえば次のようなNaNを含むデータの場合について考えてみましょう。

	ユーザーID	評価	コメント
0	user5	5	NaN
1	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。

apply()で関数を適用する場合、NaNを考慮して処理を書かないとTypeErrorが発生する可能性があります。
しかしstrアクセサを使うと、NaNを考慮して処理されます。

# strアクセサを使って列「コメント」の文字数を求める
df["コメント"].str.len()

0     NaN
1    36.0
Name: コメント, dtype: float64

pandasのstrアクセサでは、Pythonの組み込み型のstrで使える関数やメソッドに似た名前の機能が使えます。正規表現に対応しているなど、組み込み型のstrで使える同名のメソッドよりも機能が増えているものもあります。

以下に、よく使われるものを挙げます。

メソッドなど	説明
str.len()	文字数を数える
str.count(対象文字列)	指定した文字列の出現回数を数える
str.lower()	小文字に変換する
str.upper()	大文字に変換する
str.strip(除去する文字)	指定した文字が先端と終端にある場合除去する
str.replace(置換前の文字列, 置換後の文字列)	指定した文字列を置換する。正規表現も使用可能
str.contains(対象文字列)	指定した文字列が含まれるかどうか判定する
str.match(正規表現のパターン)	正規表現で検索する
str.startswith(対象文字列)	指定した文字列で開始するかどうか判定する
str[インデックス]	指定したインデックスの位置の文字を取得する
str[開始位置:終了位置]	スライス機能。開始位置から終了位置までの範囲の部分文字列を取得する

演習

• 列コメント内の文字の置換: 各行の列コメント内の全角の感嘆符（！）を句点（。）に変換
• 列文字数の追加: 各行の列コメントの文字数
• 列インクの追加: 各行の列コメント内に"インク"が含まれているかどうか（True/False）
• 列スライスの追加: 各行の列コメントの先頭15文字を抽出した結果

import pandas as pd

# 口コミデータの読み込み
df = pd.read_csv("dataset/rating.csv")
df

ユーザーID	評価	コメント
0	user1	5	とても使いやすく書きやすいです！２本目を買いたいと思います！
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。
4	user5	5	NaN
5	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。

次に、列コメントからを全角の感嘆符（”！”）を句点（”。”）で置換しましょう。str.replace(置換前の文字列, 置換後の文字列)で置換できます。

# 全角の！を。に置換
df["コメント"] = df["コメント"].str.replace("！", "。")

実行結果を見ると、1行目にあった”！”が意図通り置換されていることがわかります。また、元々NaNだったuser5のコメントはNaNのままであることがわかります。

# 実行結果の確認
df

ユーザーID	評価	コメント
0	user1	5	とても使いやすく書きやすいです。２本目を買いたいと思います。
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。
4	user5	5	NaN
5	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。

strアクセサを使って、コメントの文字数を数えてみましょう。df[列名].str.len()とすることで、指定した列の文字数を数えられます。

# 列コメントの文字数を数える
df["文字数"] = df["コメント"].str.len()
df

	ユーザーID	評価	コメント	文字数
0	user1	5	とても使いやすく書きやすいです。２本目を買いたいと思います。	30.0
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。	39.0
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。	31.0
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。	37.0
4	user5	5	NaN	NaN
5	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。	36.0

次に、列コメントに”インク”という文字列が含まれているか調べてみましょう。 str.contains(対象文字列)とすることで、指定した文字列が含まれるか判定できます。

# "インク"を含むか判定
df["インク"] = df["コメント"].str.contains("インク")
df

	ユーザーID	評価	コメント	文字数	インク
0	user1	5	とても使いやすく書きやすいです。２本目を買いたいと思います。	30.0	False
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。	39.0	True
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。	31.0	True
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。	37.0	False
4	user5	5	NaN	NaN	NaN
5	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。	36.0	True

str.contains()はTrue/Falseを返すため、データの絞り込みでもよく使われます。

最後に、列コメントを15文字目までスライスしてみましょう。strアクセサでは、Pythonのstrと同様スライス機能が使えます。

# 列コメントの先頭15文字を抽出する
df["スライス"] = df["コメント"].str[:15]
df

ユーザーID	評価	コメント	文字数	インク	スライス
0	user1	5	とても使いやすく書きやすいです。２本目を買いたいと思います。	30.0	False	とても使いやすく書きやすいです
1	user2	3	改善の余地あり。使い始めは良かったが、だんだんインクがかすれやすくなりました。	39.0	True	改善の余地あり。使い始めは良か
2	user3	2	左利きの私が使うとインクが上手く出てこないようです。残念です。	31.0	True	左利きの私が使うとインクが上手
3	user4	4	概ね満足しています。書きやすく長く持ちます。リーズナブルな価格も良いです。	37.0	False	概ね満足しています。書きやすく
4	user5	5	NaN	NaN	NaN	NaN
5	user6	5	前から使っていますが、リニューアル後はインクが改善されたように思います。	36.0	True	前から使っていますが、リニュー