欠損値の扱い

Julia でのデータ操作

Katerina Zahradova

Instructor

欠損の検出

# 欠損があるか確認
describe(penguins, :nmissing)

7×2 DataFrame
Row variable           nmissing
    Symbol             Int64
_________________________________
1   species            0
2   island             5
3   culmen_length_mm   0
4   culmen_depth_mm    0
5   flipper_length_mm  0
6   body_mass_g        23
7   sex                0

ismissing()

# 欠損値の行を抽出
penguins[ismissing.(penguins.island),:]

5x7 DataFrame
Row species   island    culmen_length_mm  culmen_depth_mm  ... 
    String15  String15  Float64           Float64          ...
___________________________________________________________________
1   Adelie    missing   39.5              17.4             ...
2   Adelie    missing   40.3              18.0             ...
3   Chinstrip missing   46.7              18.3             ...
4   Gentoo    missing   49.3              13.6             ...
5   Gentoo    missing   43.9              17.8             ...

ismissing()

# 欠損値の行を抽出
penguins[ismissing.(penguins.island), :species, :sex]

5x3 DataFrame
Row species   island    sex
    String15  String15  String7
________________________________
1   Adelie    missing   MALE
2   Adelie    missing   FEMALE
3   Chinstrip missing   MALE
4   Gentoo    missing   MALE
5   Gentoo    missing   FEMALE

dropmissing()

# すべての欠損を削除
dropmissing!(penguins)

describe(penguins)

7×2 DataFrame
Row variable           nmissing
    Symbol             Int64
1   species            0
2   island             0
3   culmen_length_mm   0
4   culmen_depth_mm    0
5   flipper_length_mm  0
6   body_mass_g        0
7   sex                0

# island 列の欠損だけ削除
dropmissing!(penguins, :island)

describe(penguins)

7×2 DataFrame
Row variable           nmissing
    Symbol             Int64
1   species            0
2   island             0
3   culmen_length_mm   0
4   culmen_depth_mm    0
5   flipper_length_mm  0
6   body_mass_g        23
7   sex                0

replace()

# 欠損値を特定の値で置換
replace!(penguins.body_mass_g, missing => 0)

# 欠損値を平均で置換
replace!(penguins.body_mass_g, missing => mean(skipmissing(penguins.body_mass_g)))

グループ別の要約統計で置換

ペンギンの比較

¹ 画像提供 www.bas.ac.uk/about/antarctica/wildlife/penguins/

groupby() で置換

# 各グループを反復し、丸めた平均で置換
for group in groupby(penguins, :species)
    group[ismissing.(group.body_mass_g), :body_mass_g] .= round(mean(skipmissing(group.body_mass_g)))
end

# 欠損の確認
describe(penguins, :nmissing)

7×2 DataFrame
Row variable           nmissing
    Symbol             Int64
1   species            0
...
6   body_mass_g        0
7   sex                0

複数列での置換

# さらに多くの列でグループ化し、丸めた平均で置換
for group in groupby(penguins, [:species, :sex])
    group[ismissing.(group.body_mass_g), :body_mass_g] .= round(mean(skipmissing(group.body_mass_g)))
end

データ不足

# グループにレコードがない場合はどうなるか
for group in groupby(penguins, [:species, :sex, :flipper_length_mm, :culmen_length_mm])
    group[ismissing.(group.body_mass_g), :body_mass_g] .= round(mean(skipmissing(group.body_mass_g)))
end

ArgumentError: 空配列の中央値は未定義です, Any[]

チートシート - 欠損の検出と削除

ismissing(var): var = missing なら true、それ以外は false
ismissing.(df.col): true/false のベクトルを返す
df[ismissing.(df.col),:]: col が missing の行を返す
dropmissing(df): missing を含む行をすべて削除
dropmissing!(df, :col): col が missing の行を削除して df を上書き

チートシート - 欠損の置換

replace!(df.col, missing => mean(skipmissing(df.col))): col の missing を、その平均値（欠損を除外して計算）で置換

グループごとに missing を置換

for group in groupby(df, :col)
  group[ismissing.(group.col),:col] = value  # またはグループ平均
end

Ayo berlatih!

Julia でのデータ操作