Pythonデータ分析入門編10:欠損値の穴埋め(fillna)

{
 "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     NaN     NaN     NaN     NaN     NaN\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     NaN     NaN     NaN\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, None, 2.5, None, 2.8, 3.0, None, 2.2],\n",
    "                  \"Spot-2\": [1.8, 1.9, None, None, 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, None, 2.6],\n",
    "                  \"Spot-4\": [None, 2.2, 2.1, None, 2.0, 2.1, None, 2.5, None, 2.3],\n",
    "                  \"Spot-5\": [2.0, 2.2, 2.1, None, None, 2.6, None, 2.3, None, 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     NaN     NaN     NaN     NaN     NaN\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     NaN     NaN     NaN\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, None, 2.5, None, 2.8, 3.0, None, 2.2],\n",
    "                  \"Spot-2\": [1.8, 1.9, None, None, 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, None, 2.6],\n",
    "                  \"Spot-4\": [None, 2.2, 2.1, None, 2.0, 2.1, None, 2.5, None, 2.3],\n",
    "                  \"Spot-5\": [2.0, 2.2, 2.1, None, None, 2.6, None, 2.3, None, 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「欠損値の穴埋め(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に含まれる欠損値を0で穴埋めして出力してください。

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「欠損値の穴埋め(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に含まれる欠損値を「欠損値を除いたデータフレームdf全体のデータの平均値」で穴埋めして出力してください。

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

次のチャプターへ前のチャプターへ

※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

＃03:欠損値の穴埋め(fillna)

このチャプターでは、欠損値を穴埋めする方法を学習します。

欠損値の穴埋め

fillnaメソッドを用いることで、欠損値を任意の値で穴埋めした新しいシリーズやデータフレームを作成することができる
- シリーズの例:
```
import pandas as pd


s = pd.Series([813, float("NaN"), None, 100])
print(s.fillna(0))
        
```
  - シリーズsの欠損値を0で穴埋めした、新しいシリーズを作成している
- 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(s.fillna("dummy"))
        
```
  - データフレームdfの欠損値をdummyで穴埋めした、新しいシリーズを作成している

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 > 欠損値の穴埋め(fillna)