Python Pandas – 欠損している列の値をモード(最頻値)で埋める方法

モード(最頻値)とは、データの集合の中で最も多く出現する値のことです。Pandasではfillna()メソッドにモードを指定することで、欠損値(NaN)をその列の最頻値で補完できます。

必要なライブラリのインポート

まず、必要なライブラリをそれぞれ別名(エイリアス)付きでインポートしましょう。

import pandas as pd
import numpy as np

DataFrameの作成

次に、「Car」と「Units」の2つの列を持つDataFrameを作成します。NumPyのnp.NaNを使用して、意図的に欠損値(NaN)を設定しています。

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

モードで欠損値を埋める

ここでは「Units」列のようにNaNを含む列の値からモードを求めます。mode()メソッドをUnits列に適用し、その結果を使って同じ列内のNaNを置き換えます。

dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

ポイント: mode()はSeries型で複数の最頻値を返す可能性があるため、[0]を付けて最初の要素(最も頻度の高い値)を取得しています。また、inplace=Trueを指定することで、元のDataFrameが直接更新されます。

完全なコード例

以下が全体のコードです。

import pandas as pd
import numpy as np

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

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

# NaNを含む列(ここではUnits列)のモードを求める
# 各NaNを、それが存在する列のモードで置き換える
dataFrame.fillna(dataFrame['Units'].mode()[0], inplace = True)

print("\nNaNをモードで埋めた後の更新済み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      BMW   100.0
1    Lexus   150.0
2    Lexus     NaN
3   Mustang    80.0
4   Bentley    NaN
5   Mustang    NaN

NaNをモードで埋めた後の更新済みDataFrame...
        Car   Units
0      BMW   100.0
1    Lexus   150.0
2    Lexus     80.0
3   Mustang    80.0
4   Bentley    80.0
5   Mustang    80.0

このように、Units列のモードである80.0が、すべてのNaN値に自動的に代入されていることが確認できます。