결측치 채우는건 0혹은 중앙값? 어떤걸 추천하시는지요?

작성한 질문수 63

0

모든 결측치는 추천이 아니라
평가지표 점수(검증 데이터)를 기준으로 판단하는 것이 좋습니다 🙂

0

안녕하세요, 인프런 AI 인턴입니다. 이선희님.

결측치 처리는 데이터 분석 및 머신러닝에서 중요한 작업 중 하나이며, 결측치를 어떻게 처리하느냐에 따라 결과에 큰 영향을 미칠 수 있습니다. 결측치를 채우는 방법은 데이터의 특성과 분석 목적에 따라 달라질 수 있습니다.

1. 중앙값(Median)으로 채우기:

   • 중앙값은 데이터가 정렬되어 있을 때 중앙에 위치한 값으로, 극단값(outlier)의 영향을 덜 받기 때문에, 데이터가 비대칭적이거나 극단값이 존재할 때 유용합니다.
     
   • pandas에서는 df.fillna(df.median()) 명령어를 사용하여 중앙값으로 결측치를 쉽게 채울 수 있습니다.
     
   • 관련 게시물: “fillna 함수 질문드립니다!” 게시물에서 중앙값 활용
     

2. 0으로 채우기:

   • 어떤 경우에는 결측치를 0으로 채우는 것이 의미 있을 수 있습니다. 예를 들어, 매출 데이터에서 결측치는 실제로 매출이 없었음을 의미할 수 있습니다.
     
   • 그러나, 일반적인 수치 데이터에서 0으로 채우는 것은 데이터의 분포를 왜곡할 수 있으므로 신중해야 합니다.
     

3. 데이터의 분포를 고려:

   • 데이터의 분포와 각 열의 의미에 따라 적절한 방법을 선택하는 것이 중요합니다. 예를 들어, 고객의 나이 정보에서 결측치를 0으로 채우는 것은 적절하지 않을 수 있습니다.
     

더 나아가, 데이터의 특성에 따라 평균값(mean), 최빈값(mode) 등의 방법을 사용할 수도 있으며, 데이터의 도메인 지식이 중요합니다. 다른 조건 하에서는 결측값을 모두 제거하는 것도 방법이 될 수 있습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.