欠損の量を分析する

Pythonで欠損データに対処する

Suraj Donthi

Deep Learning & Computer Vision Consultant

Air Quality データセットを読み込む

Air Quality データセット

Ozone、Solar、Temperature、Wind のセンサー記録を含む

df_air = pd.read_csv('air-quality.csv', 
                            parse_dates=['Date'], 
                            index_col='Date')

df_air.head()

              Ozone  Solar  Wind  Temp
Date                                
1976-05-01   41.0  190.0   7.4    67
1976-05-02   36.0  118.0   8.0    72
1976-05-03   12.0  149.0  12.6    74
1976-05-04   18.0  313.0  11.5    62
1976-05-05    NaN    NaN  14.3    56

欠損の真偽 DataFrame

DataFrame には .isnull() または .isna() を使用

airquality_nullity = airquality.isnull()
airquality_nullity.head()

            Ozone  Solar   Wind   Temp
Date                                  
1976-05-01  False  False  False  False
1976-05-02  False  False  False  False
1976-05-03  False  False  False  False
1976-05-04  False  False  False  False
1976-05-05   True   True  False  False

欠損値の合計

airquality_nullity.sum()

Ozone    37
Solar     7
Wind      0
Temp      0
dtype: int64

欠損率（%）

airquality_nullity.mean() * 100

Ozone    24.183007
Solar     4.575163
Wind      0.000000
Temp      0.000000
dtype: float64

欠損バー

missingno パッケージ

欠損値を可視化して分析するためのパッケージ

import missingno as msno

msno.bar(airquality)

大気質データセットの欠損バー

欠損行列

msno.matrix(airquality)

大気質データセットの欠損行列

欠損行列

msno.matrix(airquality)

大気質データセットの欠損行列

欠損行列

msno.matrix(airquality)

大気質データセットの欠損行列

欠損行列

msno.matrix(airquality)

大気質データセットの欠損行列

時系列データの欠損行列

msno.matrix(airquality, freq='M')

大気質データセットの月次頻度での欠損行列

時系列データの欠損行列

msno.matrix(airquality, freq='M')

大気質データセットの月次頻度での欠損行列

行列の微調整

msno.matrix(airquality.loc['May-1976': 'Jul-1976'], freq='M')

大気質データセットの月次頻度での欠損行列

まとめ

このレッスンでは次を学びました

欠損量を数値で把握する
欠損量を可視化する
欠損率を計算する
一般データの欠損行列
時系列データの欠損行列

Ayo berlatih!

Pythonで欠損データに対処する