[Python]Pandasでクロス集計表にNaNの割合を出力する方法【サンプルコードあり】【地味に嬉しい】

データ分析はデータの特徴を捉えるところから始めます。

Pandas では少しの工夫で特徴を捉えるためのデータを出力することが出来ます。

特に、クロス集計表は便利な機能で質的データの割合を確認するのによく使います。

多くのデータには欠損値（PandasではNaN）が含まれますが、デフォルトでは欠損値（NaN）を除いて集計しているので、無回答の割合が解りません。

そこで、本記事では、Pandas の クロス集計表にNaNを含める方法を紹介します。

本記事を最後まで読むと１行でNaNを含むクロス集計表を出力する方法が解ります。

NaNを含めてクロス集計するサンプルコード（Colab で利用可能）

出力イメージ

クロス集計表に<NaN>という項目を追加し NaN の割合を出力します。

コード

下記コードを Google Colaboratory のセルにコピペして実行することで直ぐに使えます。

import pandas as pd

def pyCrosstabDispNaN(_df:pd.core.frame.DataFrame, _rowname, colnames):
  # NaNを考慮するために、Nan を <NaN> という文字列に置換してからクロス集計を実施
  print(pd.crosstab(_df[_rowname].fillna('<NaN>'), _df[colnames].fillna('<NaN>'), margins=True, normalize=True))
  return

使用例

「社会科学のためのデータ分析」で用いられているオープンデータセットでの使用例を紹介します。

使用例：戦時における民間人の被害を測定する

取得したデータの「violent.exp.ISAF」カラムと「violent.exp.taliban」カラムのNaNを考慮したクロス集計表を出力します。

df_afghan = pd.read_csv('https://raw.githubusercontent.com/kosukeimai/qss/master/MEASUREMENT/afghan.csv')
pyCrosstabDispNaN(df_afghan, "violent.exp.ISAF", "violent.exp.taliban")

クロス集計表からわかること

• 無回答率はいずれも2%未満

まとめ

本記事では、Pandas の クロス集計表にNaNを含める方法を紹介しました。

データ分析に関して、一つ一つ丁寧に確認したい方は下記記事をご覧ください。

関連

Colab（Pandas）でデータ分析を始める1stステップを紹介【サンプルコード有】【データ分析入門】

ご参考になりましたら twitter をフォローして SNS でシェアして頂ければ幸いです。