先頭ゼロを守れ！Pandasで消えないデータ処理をする方法

データ分析をしていると、郵便番号や商品コードのような「ゼロ始まり」のデータに出会うこと、ありますよね？

でも気づいたら… 「先頭ゼロが消えてる！」 なんてこと、ありませんか？ 😱

ちなみに、先頭のゼロ消失をゼロバッティングと呼びます

どうして先頭のゼロが消えるの？ 🤔

Pandasはデータを読み込むとき、列の中身を見て「これは数字だな」と自動で判断 します。

その結果、00123 のようなゼロ始まりのデータが 数値型（int型）として認識 され、先頭のゼロが消えてしまうんです。

データ　　　　　　　　　　　　 データ
───　　　数字だな！　　　　 ───
00123 　　　数字にはゼロ不要　　　123
00045 　　　任せて！！　　　　　　 45
01234　　　<──　🤖　──>　　 1234　　

先頭のゼロを守るための簡単な解決策 ✅

Pandasでは、特定の列を文字列（str型）として読み込む ことで、先頭のゼロを守れます。

1. 読み込み時に型を指定する
2. データ全体を文字列として読み込む

読み込み時に型を指定する

特定の列に対して

たとえば、CSV📄を読み込む場合、郵便番号の列を文字列型で読み込むには、次のように書きます：

import pandas as pd

# 郵便番号の列を文字列型として読み込む
df = pd.read_csv('https://biz-data-analytics.com/pandas-keep-leading-zeros-11074.csv', dtype={'郵便番号': str})
♯ データの中身を表示
df

出力結果：

以下のデータを表形式に変換しました。

データ全体に対して

全体を文字列として読み込む 🌐

もし「列が多すぎて全部指定するのが面倒！」という場合は、ファイル全体を文字列型で読み込むことも可能です。

df = pd.read_csv('https://biz-data-analytics.com/pandas-keep-leading-zeros-11074.csv', dtype=str)
♯ データの中身を表示
df

出力結果：

これなら、すべての列が文字列型として扱われるので、先頭ゼロも安心です。

✨ ただし、数値データが文字列として扱われることで、大小比較やソートが文字列ルールで行われてしまい、データ分析で致命的な誤りを引き起こす可能性があります。

ちなみに、dtype とは？ 💡

pd.read_csv('CSVファイル名', dtype={'列名': データの型})

　　　　　　　　　　　　　　　　　　　　　▲
　　　　　　　　　　　　　　　　　　　　　│　　　　　　　　　　　　　　　　　　　　

data type（データ型）の略 で、Pandasがデータをどの型として扱うかを指定するための引数

┌┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┐
dtype={"zip_code": str} の右辺は 辞書（dictionary） の記述、
キーに列名（郵便番号）、値にデータ型（str）を指定
└┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┈┘

辞書と同じ考え方で、複数指定する場合はカンマで区切ります

最後に：先頭のゼロを守るのはあなた次第！ 🔥

データ分析の現場では、ちょっとしたミスが大きなトラブルにつながることもあります。

特に、dtype={"zip_code": str} のように 文字列型を明示する設定 をデフォルトにしておけば、
予期せぬ、先頭のゼロ消失を未然に防げるのでおすすめです。

これからは、先頭のゼロを消さずに大切に扱ってあげてくださいね！ 🛡️✨