---
title: "欠損値の処理方法とは？代表的な手法と使い分け【DS検定】"
description: "欠損値の処理方法は、代表的な手法と使い分けを理解するための基本テーマです。DS検定で問われる定義、具体例、似た概念との違い、選択肢の見分け方を整理します。主要な混同パターンや実務での読み取り方も確認します。初学者が迷いやすい判断ポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/ds/missing-value-handling/"
section: "ds"
---
DS検定トップ
＞ 欠損値の処理方法とは？代表的な手法と使い分け【DS検定】
## まず結論
- **欠損値の処理とは、データに存在する「値が記録されていない部分」を適切な方法で扱う前処理のことです。**
- DS検定では「削除するのか」「補完するのか」「どの方法を使うのか」という**状況に応じた判断**が問われます。
## 直感的な説明
データ分析では、次のようなデータがよくあります。
| 顧客ID | 年齢 | 年収 |
|---|---|---|
| A | 25 | 300 |
| B | 32 | **空欄** |
| C | **空欄** | 450 |
このような **空欄（欠損値）** があると、
- 平均が計算できない
- 機械学習モデルが動かない
といった問題が発生します。
そこで分析では、
- そのデータを削除する
- 代表値で補う
- 予測で補う
などの方法で**欠損値を処理してから分析**を行います。
DS検定では
「欠損値がある場合、どの処理が適切か」
という判断を問われることがあります。
## 定義・仕組み
欠損値（Missing Value）とは、
**本来存在するはずのデータが記録されていない状態**です。
例えば次のような理由で発生します。
- アンケート未回答
- センサーの測定失敗
- データ入力ミス
- システムエラー
欠損値の処理方法は大きく **3つの考え方**に分かれます。
### ① 削除する（Deletion）
欠損を含むデータを削除します。
**代表例**
- 行削除（listwise deletion）
- 列削除
**特徴**
- シンプルで分かりやすい
- ただし **データ量が減る**
### ② 代表値で補完する（Imputation）
欠損値を **代表的な値で埋める方法**です。
よく使われる代表値
| 方法 | 内容 |
|---|---|
| 平均値補完 | 平均値で埋める |
| 中央値補完 | 中央値で埋める |
| 最頻値補完 | 最も多い値で埋める |
特徴
- 実装が簡単
- ただし **データのばらつきが小さくなる**
### ③ 推定して補完する
データから **欠損値を予測して埋める方法**です。
代表例
- 回帰補完
- k近傍法（KNN補完）
- 機械学習モデル
特徴
- 精度は高くなる可能性
- ただし **処理が複雑**
### DS検定での重要ポイント
DS検定では
- **欠損値をそのまま分析に使うのは基本NG**
- **何らかの処理を行う必要がある**
という点が重要です。
## どんな場面で使う？
### よくあるデータ分析
例えば
- 顧客データ分析
- 売上データ分析
- アンケート分析
などでは欠損が頻繁に発生します。
例
| 年齢 | 年収 |
|---|---|
| 25 | 300 |
| 30 | 350 |
| **欠損** | 420 |
この場合
- 年齢が重要なら **中央値補完**
- 欠損が少なければ **削除**
などの判断を行います。
### センサーデータ
例えば機械の故障検知では
- センサー通信エラー
- 一時的な測定失敗
などで欠損が発生します。
この場合
- 前後の値で補完
- 時系列補完
などが使われます。
DS検定では
**「状況によって処理方法を選ぶ」ことが重要です。**
## よくある誤解・混同
### 誤解①
欠損値はとりあえず平均で埋めればよい
これは誤りです。
平均補完は
- 分布を歪める
- 分散を小さくする
可能性があります。
### 誤解②
欠損値は必ず削除する
これも誤りです。
削除すると
- データ数が大きく減る
- バイアスが生まれる
可能性があります。
### DS検定の典型的なひっかけ
選択肢でよくあるパターン
❌ 欠損値は分析前に必ず削除する
⭕ 欠損の状況に応じて **削除または補完を選択する**
また、
❌ 平均補完はデータ分布を維持する
⭕ 平均補完は **分散を小さくする**
という問題もよく出ます。
## まとめ（試験直前用）
- 欠損値とは **データが記録されていない状態**
- 主な処理方法は
**①削除 ②代表値補完 ③推定補完**
- 平均補完は **分散を小さくする**
- DS検定では
**状況に応じた処理方法の選択**が重要
## 対応スキル項目（データサイエンス力シート）
- データ理解・前処理
- データ前処理
★ データの欠損値・外れ値を適切に処理できる