次の Python コードの出力はどれでしょうか？

Python コード:

import pandas as pd
import numpy as np

dates = pd.date_range(
    '2023-01-01', 
    periods=5, 
    freq='D')

data = [1.0, np.nan, np.nan, 4.0, 5.0]

df = pd.DataFrame(
    data, 
    index=dates,
     columns=['A'])

print(df.interpolate())

 

回答の選択肢:

(A) NaN 値が0で補完されたデータフレーム
(B) NaN 値が最頻値で補完されたデータフレーム
(C) NaN 値が線形補間によって補完されたデータフレーム
(D) NaN 値が最近傍の値で補完されたデータフレーム

出力例:

              A
2023-01-01  1.0
2023-01-02  2.0
2023-01-03  3.0
2023-01-04  4.0
2023-01-05  5.0

 

正解: (C)
回答の選択肢:

(A) NaN 値が0で補完されたデータフレーム
(B) NaN 値が最頻値で補完されたデータフレーム
(C) NaN 値が線形補間によって補完されたデータフレーム
(D) NaN 値が最近傍の値で補完されたデータフレーム

このコードは、日付の範囲をインデックスとして持つデータフレームを作成し、そのデータフレーム中の欠損値（`np.nan`）を補間しています。

import pandas as pd
import numpy as np

dates = pd.date_range(
    '2023-01-01', 
    periods=5, 
    freq='D')

data = [1.0, np.nan, np.nan, 4.0, 5.0]

df = pd.DataFrame(
    data, 
    index=dates,
     columns=['A'])

print(df.interpolate())

 

詳しく説明します。

‘2023-01-01’から始まる日単位の日付範囲を5期間作ります。

dates = pd.date_range(
    '2023-01-01', 
    periods=5, 
    freq='D')

 

datesに格納されているデータは次のようになっています。

DatetimeIndex(['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04',
               '2023-01-05'],
              dtype='datetime64[ns]', freq='D')

 

この日付範囲をインデックスとして、1.0, NaN, NaN, 4.0, 5.0という値のデータフレームを作成します。

data = [1.0, np.nan, np.nan, 4.0, 5.0]

df = pd.DataFrame(
    data, 
    index=dates,
     columns=['A'])

 

dfに格納されているデータは次のようになっています。

              A
2023-01-01  1.0
2023-01-02  NaN
2023-01-03  NaN
2023-01-04  4.0
2023-01-05  5.0

 

データフレームの`interpolate()`メソッドを使って欠損値を補間し、出力します。

print(df.interpolate())

 

`interpolate()`メソッドはデフォルトで線形補間を行います。つまり、両隣の数値（ここでは1.0と4.0）の間の等間隔な数値を生成し、それを欠損値の代わりに用います。

ここでは、1と4の間で等間隔に2と3を生成し、それを二つのNaNの代わりに用います。これにより、欠損データが連続的な数値データであると仮定して補完を行うことができます。

このメソッドは、特に時系列データ等での欠損値補完に有力な手段となります。

              A
2023-01-01  1.0
2023-01-02  2.0
2023-01-03  3.0
2023-01-04  4.0
2023-01-05  5.0