【Python】Pandasのメソッドの紹介～欠損値の処理①～

Pythonの言語は、今ではEXCELでも利用できるようになっています。

EXCELでのPython利用は、基本的にはデータ分析の分野で利用することになるでしょう。

Pythonには、データ分析に役立つ「Pandas」というライブラリがあります。

これまでにも概要をまとめた記事（リンク）がありますが、「データフレーム」という形で「データ」を扱えるのが特徴です。

今回は「Pandas」の中でも、欠損値の処理を行うメソッドについて、まとめようと思います。

欠損値（NaN）であることを判定

以下のメソッドで、データフレームの各要素が欠損値（NaN）であるかどうかを判定します。

結果は、「True（NaN）」もしくは「False（NaNではない値）」で返されます。

コードサンプル：

import pandas as pd
import numpy as np

# サンプルデータ
data = {
‘A’: [1, np.nan, 3],
‘B’: [np.nan, 2, np.nan]}

df = pd.DataFrame(data)

# NaNのチェック
isnull_df = df.isnull()

print(“NaNチェック結果:\n”, isnull_df)

実行結果：

NaNチェック結果:

        A　 　　B
0　 False　 True
1　 True　 False
2　 False　 True

欠損値（NaN）ではないことを判定

以下のメソッドで、データフレームの各要素が欠損値（NaN）であるかどうかを判定します。

ただし、結果は、isnull()の真逆です。

「True（NaNではない値）」もしくは「False（NaN）」で返されます。

目的に合わせて使い分けることが重要です。

コードサンプル：

import pandas as pd
import numpy as np

# サンプルデータ
data = {
‘A’: [1, np.nan, 3],
‘B’: [np.nan, 2, np.nan]
}
df = pd.DataFrame(data)

# NaNのチェック
notnull_df = df.notnull()

print(“非NaNチェック結果:\n”, notnull_df)

実行結果：

非NaNチェック結果:

　　　A　　B
0　True　False
1　False　True
2　True　False

欠損値（NaN）を含む行／列を削除

以下のメソッドで、欠損値（NaN）を含む行や列を削除します。

なお、削除する対象は、以下の引数を利用して指定します。

なお、これらの引数は「,」で組み合わせることが可能です。

ただし、以下には注意する必要があります。

thresh と subset は互いに影響し合いません。

axis=1 を指定すると列方向の操作になり、thresh や subset は無効になります。

そのため、「axis=1 と thresh／subset」「thresh と subset」の組み合わせは、意図通りに動作しません。

コードサンプル：

import pandas as pd
import numpy as np

# サンプルデータ
data = {
‘A’: [1, np.nan, 3, np.nan, 5],
‘B’: [np.nan, 2, np.nan, np.nan, 5],
‘C’: [1, 2, np.nan, np.nan,5]
}

df = pd.DataFrame(data)

# 各オプションを使用
# 「how」の指定（すべてがNaNの場合に行を削除）
dropped_how = df.dropna(how=’all’)

# 「axis」 を指定（NaNを含む列の削除）
dropped_axis = df.dropna(axis=1)

# ‘thresh’ を指定（NaN以外が2つ以上ある行を保持）
dropped_thresh = df.dropna(thresh=2)

# ‘subset’ を指定（指定した列の値を基準に削除）
dropped_subset = df.dropna(subset=[‘A’, ‘B’])

print(“元のデータフレーム:\n”, df)
print(“\n「how=all」:すべてがNaNの場合に行を削除\n”, dropped_how)
print(“\n「axis=1」:NaNを含む列の削除\n”, dropped_axis)
print(“\n「thresh=2」:NaNが2つ以上存在する行を削除\n”, dropped_thresh)
print(“\n「subset=[‘A’, ‘B’]」:A列またはB列に対してNaNがある行を削除\n”, dropped_subset)

# 複合条件
dropped_multi = df.dropna(how=’all’, subset=[‘B’, ‘C’], inplace=True)

print(“\n複合条件：B列かつC列に対してNaNとなる行を保持\n”, dropped_multi)
print(“\n「inplate=True」による元のデータフレームへの影響\n”, df)

実行結果：

元のデータフレーム:

　　A　　B　　C
0　1.0　NaN　1.0
1　NaN　2.0　2.0
2　3.0　NaN　NaN
3　NaN  NaN  NaN
4　5.0　 5.0 　5.0

「how=all」:すべてがNaNの場合に行を削除

　　A　　B　　C
0　1.0　NaN　1.0
1　NaN　2.0　2.0
2　3.0　NaN　NaN
4　5.0　5.0　 5.0

「axis=1」:NaNを含む列の削除
Empty DataFrame
Columns: []
Index: [0, 1, 2, 3, 4]

「thresh=2」:NaNが2つ以上存在する行を削除

　　A　　B　　C
0　1.0　NaN　1.0
1　NaN　2.0　2.0
4　5.0　 5.0　5.0

「subset=[‘A’, ‘B’]」:A列またはB列に対してNaNがある行を削除

　　A　　B　　C
4　5.0　5.0　5.0

B列かつC列に対してNaNとなる行を保持
None

「inplate=True」による元のデータフレームへの影響

　　A　　B　　C
0　1.0　NaN　1.0
1　NaN  2.0　 2.0
4　5.0　5.0　  5.0

まとめ

今回は、Pythonで扱えるライブラリの「Pandas」のメソッドについてまとめてみました。

他にも多くのメソッドが存在するため、複数の記事に渡って解説しています。

他の記事も、ぜひ参考にしてみて下さい。