CSV欠損値補完

まず、「空欄」と「0」は別物です

このツールが補完するのは、空文字や空白だけのセルです。0 は既に値が入っているので置き換えません。0を欠損扱いしたいデータでは、そのまま実行すると期待と違う結果になります。

平均・中央値は、空欄を除いた数値だけで計算します

平均・中央値では、空欄を先に除いてから、数値に変換できた値だけを使います。N/A のような非数値も計算から外れます。空欄を0として混ぜる計算ではないので、「未入力」と「0」を分けたまま補完値を出せます。

平均と中央値、どちらを使う？

外れ値が少ない素直なデータなら平均が分かりやすいです。100、101、102、9999のように極端な値があると平均は引っ張られます。そんなとき中央値の方が「普段の値」に近いことがあります。ただし、どちらも“正解を復元する”処理ではなく推定です。

前の値で埋めるときは、並び順が意味を持ちます

Forward fillは上から順に見て、直前の非空欄値を使います。時系列や同じカテゴリが連続しているCSVでは便利ですが、並び順に意味がないCSVへ使うと、たまたま上にあった値をコピーするだけになります。最初の行から空欄が続く場合は、前の値がないので空欄のままです。

前に使える値がまだ出ていない先頭側の空欄は、そのまま残ります。そのセルは「補完セル数」にも数えません。結果件数を見ると、指定した空欄すべてが本当に埋まったのかを確認できます。

補完したら、原本との差を意識します

欠損補完はデータを“きれいにする”というより、新しい値を追加する処理です。分析用の作業コピーには便利ですが、原本を上書きする前に「どの列を、どのルールで埋めたか」を残しておくと後で追いやすくなります。

平均・中央値で補完した値は、元データに実在した値とは限りません。後でモデル学習や集計へ使うなら、「補完済みかどうか」を別列で残す設計も有効です。このツール自体はフラグ列を追加しないので、必要なら作業手順側で記録します。