Pythonデータ分析入門編10:欠損値の特定(isna)

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "0    2.1\n",
      "1    2.3\n",
      "2    NaN\n",
      "3    2.0\n",
      "4    2.5\n",
      "5    NaN\n",
      "6    2.8\n",
      "7    3.0\n",
      "8    NaN\n",
      "9    2.2\n",
      "dtype: float64\n"
     ]
    }
   ],
   "source": [
    "import pandas as pd\n",
    "\n",
    "\n",
    "s = pd.Series([2.1, 2.3, None, 2.0, 2.5, \n",
    "               None, 2.8, 3.0, None, 2.2])\n",
    "print(s)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "0    2.1\n",
      "1    2.3\n",
      "2    NaN\n",
      "3    2.0\n",
      "4    2.5\n",
      "5    NaN\n",
      "6    2.8\n",
      "7    3.0\n",
      "8    NaN\n",
      "9    2.2\n",
      "dtype: float64\n"
     ]
    }
   ],
   "source": [
    "import pandas as pd\n",
    "\n",
    "\n",
    "s = pd.Series([2.1, 2.3, None, 2.0, 2.5, \n",
    "               None, 2.8, 3.0, None, 2.2])\n",
    "print(s)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "   Spot-1  Spot-2  Spot-3  Spot-4  Spot-5\n",
      "0     2.1     1.8     2.5     NaN     2.0\n",
      "1     2.3     1.9     2.6     2.2     2.2\n",
      "2     NaN     NaN     2.4     2.1     2.1\n",
      "3     2.0     2.1     NaN     NaN     2.4\n",
      "4     2.5     2.0     2.7     2.0     NaN\n",
      "5     NaN     NaN     NaN     2.1     2.6\n",
      "6     2.8     2.3     2.9     NaN     NaN\n",
      "7     3.0     2.4     NaN     2.5     2.3\n",
      "8     NaN     NaN     2.5     2.6     2.4\n",
      "9     2.2     1.9     2.6     2.3     NaN\n"
     ]
    }
   ],
   "source": [
    "import pandas as pd\n",
    "\n",
    "\n",
    "df = pd.DataFrame({\"Spot-1\": [2.1, 2.3, None, 2.0, 2.5, None, 2.8, 3.0, None, 2.2],\n",
    "                  \"Spot-2\": [1.8, 1.9, None, 2.1, 2.0, None, 2.3, 2.4, None, 1.9],\n",
    "                  \"Spot-3\": [2.5, 2.6, 2.4, None, 2.7, None, 2.9, None, 2.5, 2.6],\n",
    "                  \"Spot-4\": [None, 2.2, 2.1, None, 2.0, 2.1, None, 2.5, 2.6, 2.3],\n",
    "                  \"Spot-5\": [2.0, 2.2, 2.1, 2.4, None, 2.6, None, 2.3, 2.4, None]})\n",
    "print(df)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}

{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "   Spot-1  Spot-2  Spot-3  Spot-4  Spot-5\n",
      "0     2.1     1.8     2.5     NaN     2.0\n",
      "1     2.3     1.9     2.6     2.2     2.2\n",
      "2     NaN     NaN     2.4     2.1     2.1\n",
      "3     2.0     2.1     NaN     NaN     2.4\n",
      "4     2.5     2.0     2.7     2.0     NaN\n",
      "5     NaN     NaN     NaN     2.1     2.6\n",
      "6     2.8     2.3     2.9     NaN     NaN\n",
      "7     3.0     2.4     NaN     2.5     2.3\n",
      "8     NaN     NaN     2.5     2.6     2.4\n",
      "9     2.2     1.9     2.6     2.3     NaN\n"
     ]
    }
   ],
   "source": [
    "import pandas as pd\n",
    "\n",
    "\n",
    "df = pd.DataFrame({\"Spot-1\": [2.1, 2.3, None, 2.0, 2.5, None, 2.8, 3.0, None, 2.2],\n",
    "                  \"Spot-2\": [1.8, 1.9, None, 2.1, 2.0, None, 2.3, 2.4, None, 1.9],\n",
    "                  \"Spot-3\": [2.5, 2.6, 2.4, None, 2.7, None, 2.9, None, 2.5, 2.6],\n",
    "                  \"Spot-4\": [None, 2.2, 2.1, None, 2.0, 2.1, None, 2.5, 2.6, 2.3],\n",
    "                  \"Spot-5\": [2.0, 2.2, 2.1, 2.4, None, 2.6, None, 2.3, 2.4, None]})\n",
    "print(df)"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.10.6"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}

この動画を見るには

paiza会員登録のうえ

有料会員登録が必要です

演習1
演習2

問題ログインすると模範解答や入力を見ることができます

演習課題「欠損値の特定(シリーズ)」

コードエリアには、シリーズsが定義されています。
このシリーズsの欠損値を特定して、その箇所をTrue, Falseで示すシリーズを出力してください。
- True : 欠損値あり
- False: 欠損値なし

採点の前にはすべてのセルを実行し、ノートブックを保存してください。

※ 回答時にはprint(s)をコメントアウトして回答してください。

問題ログインすると模範解答や入力を見ることができます

演習課題「欠損値の特定(データフレーム)」

コードエリアには、データフレームdfが定義されています。
このデータフレームdfの欠損値を特定して、その箇所をTrue,Falseで示すデータフレームを出力してください。
- True : 欠損値あり
- False: 欠損値なし

採点の前にはすべてのセルを実行し、ノートブックを保存してください。

※ 回答時にはprint(df)をコメントアウトして回答してください。

Tips

動画へ戻る

次のチャプターへ

※有料会員になるとこの動画をご利用いただけます

詳しい説明を読む

＃01:欠損値の特定(isna)

このチャプターでは、欠損値を特定する方法を学習します。

欠損値の特定

isnaメソッドを用いることで欠損値を特定することができる
- シリーズの例:
```
import pandas as pd


s = pd.Series([813, float("NaN"), None, 100])
print(s.isna())
        
```
  - シリーズの形式で、欠損値のある箇所をTrue, Falseで取得することができる
    - True: 欠損値である箇所
    - False: 欠損値でない箇所
- データフレームの例:
```
import pandas as pd


df = pd.DataFrame([["Kirishima", None], ["Rokumura", "Python"], [None, None]], columns=["student", "lang"])
print(df.isna())
        
```
  - データフレームの形式で、欠損値のある箇所をTrue, Falseで取得することができる
    - True: 欠損値である箇所
    - False: 欠損値でない箇所

プログラミング学習 > Python3 > Pythonデータ分析入門編 > Pythonデータ分析入門編10: クリーニング > 欠損値の特定(isna)