【Python・Pandas】欠損値（NaN）を中央値で埋める方法をわかりやすく解説

中央値（メジアン）とは、データを昇順に並べたときに中央に位置する値のことで、データ全体を「上半分」と「下半分」に分ける基準となる統計量です。外れ値の影響を受けにくいため、欠損値（NaN）の補完方法として平均値よりも適しているケースが多くあります。

Pandasでは、fillna() メソッドを使い、引数に median() の結果を指定することで、欠損している列の値を簡単に中央値で埋めることができます。

1. 必要なライブラリをインポートする

まずは、PandasとNumPyをそれぞれ別名（エイリアス）付きでインポートします。

import pandas as pd
import numpy as np

2. 欠損値を含むDataFrameを作成する

次に、「Car」と「Units」の2列を持つDataFrameを作成します。ここではNumPyの np.nan を使って、意図的に欠損値を含めています。

dataFrame = pd.DataFrame(
    {
        "Car": ['Lexus', 'BMW', 'Audi', 'Bentley', 'Mustang', 'Tesla'],
        "Units": [100, 150, np.nan, 80, np.nan, np.nan]
    }
)

この時点では、「Units」列に3つのNaNが含まれています。

3. 中央値で欠損値を埋める

「Units」列に対して median() を呼び出して中央値を求め、その結果を fillna() に渡すことで、同じ列内のNaNをすべて中央値で置き換えられます。

dataFrame.fillna(dataFrame['Units'].median(), inplace=True)

ポイント： この例の場合、欠損値以外の値は 100、150、80 の3つなので、中央値は 100 となります。そのため、すべてのNaNが100で補完されます。

※ Pandasの新しいバージョンでは inplace=True は非推奨となっています。以下のように代入形式で書くのがおすすめです。
dataFrame['Units'] = dataFrame['Units'].fillna(dataFrame['Units'].median())

サンプルコード（完全版）

以下に、一連の処理をまとめたコード全体を示します。

import pandas as pd
import numpy as np

# DataFrameを作成
dataFrame = pd.DataFrame(
    {
        "Car": ['Lexus', 'BMW', 'Audi', 'Bentley', 'Mustang', 'Tesla'],
        "Units": [100, 150, np.nan, 80, np.nan, np.nan]
    }
)

print("DataFrame ...\n", dataFrame)

# NaNを含む「Units」列の中央値を求め、欠損値を置き換える
dataFrame.fillna(dataFrame['Units'].median(), inplace=True)

print("\n中央値でNaNを埋めた後のDataFrame...\n", dataFrame)

実行結果

上記のコードを実行すると、次のような出力が得られます。

DataFrame ...
      Car  Units
0   Lexus  100.0
1     BMW  150.0
2    Audi    NaN
3 Bentley   80.0
4 Mustang    NaN
5   Tesla    NaN

中央値でNaNを埋めた後のDataFrame...
      Car  Units
0   Lexus  100.0
1     BMW  150.0
2    Audi  100.0
3 Bentley   80.0
4 Mustang  100.0
5   Tesla  100.0

まとめ

このように、fillna() と median() を組み合わせることで、数値列の欠損値を中央値で効率的に補完できます。中央値による補完は、極端な外れ値が含まれるデータセットにおいて、平均値での補完よりも頑健な結果をもたらすため、実務のデータ前処理でも広く使われる手法です。ぜひ活用してみてください。