Pythonでデータフレームの欠損値（NaN）をすべて補間して埋める方法

解決策

この問題を解決するには、以下の手順に従います。

• 欠損値（NaN）を含むデータフレームを定義します。

• df.interpolate() 関数に method='linear'、limit_direction='forward'、limit=2 を指定して適用し、欠損値を補間して埋めます。

Pandas の interpolate() メソッドは、欠損値を前後の値から推定して補間できる便利な機能です。method='linear' は線形補間を行い、limit_direction='forward' は前方方向へ補間することを意味します。また、limit パラメータでは連続して埋める欠損値の最大数を指定できます。

df.interpolate(method='linear', limit_direction='forward', limit=2)

例

import pandas as pd
df = pd.DataFrame({"Id":[1, 2, 3, None, 5],
                   "Age":[12, 12, 14, 13, None],
                   "Mark":[80, 90, None, 95, 85],
                  })
print("Dataframe is:\n",df)
print("Interpolate missing values:")
print(df.interpolate(method ='linear', limit_direction ='forward', limit = 2))

出力

Dataframe is:
    Id     Age   Mark
0 1.0    12.0   80.0
1 2.0    12.0   90.0
2 3.0    14.0   NaN
3 NaN    13.0   95.0
4 5.0    NaN    85.0
Interpolate missing values:
    Id     Age    Mark
0 1.0    12.0    80.0
1 2.0    12.0    90.0
2 3.0    14.0    92.5
3 4.0    13.0    95.0
4 5.0    13.0    85.0

出力結果を見ると、Id 列のインデックス3の欠損値は前後の値（3と5）から「4.0」と補間され、Mark 列のインデックス2の欠損値は「90」と「95」の中間値である「92.5」に補間されています。また、Age 列の末尾の欠損値は前方方向の補間によって直前の値「13.0」で埋められています。このように interpolate() を使えば、数値データの欠損値を自然な形で効率的に処理できます。