PythonでNaNを無視してlen関数を使用する方法

PythonのPandasライブラリを使用してデータフレームを操作する際、NaN（Not a Number）という欠損値を無視して特定の列の長さを計算したい場合があります。以下にその方法を示します。

まず、以下のようなデータフレームを考えてみましょう。

import pandas as pd

df = pd.DataFrame({
    'col1': ['abc', 'def', 'ghi', 'jkl'],
    'col2': ['mno', 'pqr', None, 'stu'],
    'col3': ['vwx', 'yz', '123', '456']
})

このデータフレームでは、’col2’列にNone（PandasではNaNとして扱われます）が含まれています。このNaNを無視して、各列の最小および最大の長さを計算するには、以下のようなコードを使用します。

col_stats = {}

for col in df:
    min_length = df[df[col].notna()][col].str.len().min()
    max_length = df[df[col].notna()][col].str.len().max()
    col_stats[col] = [min_length, max_length]

print(col_stats)

このコードでは、各列に対してnotna()関数を使用してNaNでない値を持つ行だけを選択し、その後.str.len().min()および.str.len().max()を使用して最小および最大の長さを計算しています。結果は、各列の名前をキーとし、その列の最小および最大の長さを値とする辞書に格納されます。

この方法を使用すれば、PythonのPandasライブラリを使用してNaNを無視して列の長さを計算することが可能です。これは、データ分析や前処理の際に非常に便利なテクニックとなります。