Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

124

3

章 

pandas

を使ったデータ操作

pandas

は文字列データを、常に

object

の

dtype

として格納することに注意してください。

3.5.3

 

null

値が存在する場合の処理

今まで見てきたように、

pandas

は

None

と

NaN

を欠損値または

null

値を示すために基本的に交換可

能としています。この規約を容易にするために、

pandas

データ構造の

null

値を検出、削除、および

置換するための有用なメソッドがいくつかあります。

isnull()

欠損値の存在を示すブール値マスク配列を作成する

notnull()

isnull()

の逆

dropna()

データから欠損値を取り除いたデータを作る

fillna()

不足している要素に値を埋め込んだデータのコピーを返す

これらのメソッドの簡単な使用例を、この後で紹介します。

3.5.3.1

 

null

値の検出

pandas

のデータ構造には、

null

値を検出するための

2

つの便利なメソッド

isnull()

と

notnull()

が用意されています。いずれの場合も、データに対するブール値マスクが戻されます。例を見てみ

ましょう。

In[13]: data = pd.Series([1, np.nan, 'hello', None])

　

In[14]: data.isnull()

Out[14]: 0 False

1 True

2 False

3 True

dtype: bool

「3.3 インデクスとデータの選択」で説明したように、ブール値マスクは

Series

のインデクスま