pandas.Seriesのarray配列にはなぜ文字列型と数字型が混合していいのか？

Question

前提・実現したいこと

array配列内では同じ型の要素のみが存在すると思っています。
そしてpandas.Seriesの行もarray配列になっていると思うのですが、int型とstr型を混在させるとそのどちらもを要素にとったarray配列が出来上がってしまいました。なぜでしょうか。

発生している問題・エラーメッセージ

エラーメッセージ

該当のソースコード

Python
ソースコード
import pandas as pd
import numpy as np
from pandas import Series, DataFrame

a=Series(['x','y',1])
a.values

試したこと

c = np.array([2,'a',1])
を実行するとarray配列内のすべての要素は文字列になりました。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Answer 1

Seriesのvalues属性のnumpy配列のデータ型を見てみてください。

a.values.dtype

object型になっていると思います。これはPythonオブジェクトへのポインタを格納している配列であり、任意のPythonオブジェクトを格納できます。組み込みlistみたいなものです。numpyのパフォーマンスの恩恵は基本的に受けられません。

また、numpyで文字列型を扱う方法は、固定長文字列として取り扱う方法とobject型で扱う方法があります。固定長文字列形式は配列の中で最も長い文字列の長さを最大長とするため、メモリ効率に難があります。

numpy.array自体はクラスではなくnumpy.ndarrayを作成するための関数なのですが、これは特に指定をしなければ単一の型で表現できるようにデータを変換してくれます。intとstrが混在したlistであれば、固定長文字列型の配列になります。

>>> c = np.array([2,'a',1])
>>> c.dtype
dtype('<U21')

numpy.array — NumPy v1.17 Manual

dtypeを明示的に指定すればobject型配列も可能です。

>>> c = np.array([2,'a',1], dtype=object)
>>> c.dtype
dtype('O')

numpyの枠組みで考える限りあんまり意味はありませんが、DataFrameの行を取り出すときはこの型が内部的に使われたりします。

Comments

[kaggle777]

ありがとうございます。たしかにobjectになっています。numpy配列でも今回のように任意のobjectをもてる特例があるという認識でただしいですか？

[hayataka2049]

はい。