Summary  
This chapter demonstrates how to detect missing values in a dataset by using functions that return boolean indicators for NaNs.  

General domain of usage  
Data cleaning

コースの最後のセクションにお越しいただきありがとうございます。ここでは、タイタニック号の乗客データを処理します。まずはデータを確認しましょう。

学習の最初のステップは、欠損値の検出です。ちなみに、列のすべての値を埋めることが難しい、あるいは不可能な場合もあります。そのような欠損値は、結果に悪影響を及ぼすことがあります。データセット内では、常にこのように表示されます：`NaN`。まず、データセットに欠損値が含まれているかどうかを確認しましょう。

Pandas には、データセット内の欠損値を検出するための2つの関数があります。どちらも、値が欠損していなければ `False`、欠損していれば `True` を返します。

```python
data.isna()
# Or
data.isnull()
```


欠損値を確認する方法として、誤っているものを選択してください。

このコースには、将来のデータアナリストにとって有用な多くの関数が含まれています。さまざまなデータ抽出方法や条件設定について学びます。その後、データのグループ化手法に精通できます。また、データの前処理方法も学びます。各セクションには独自のデータセットが用意されているため、コースは魅力的な内容となっています。

このセクションでは、タイトルやインデックスによって特定の列を出力する方法を学びます。また、インデックスによって行を選択する方法についても理解を深めます。

ここでは、特定の条件を持つデータを抽出する方法を学びます。また、それらを組み合わせる方法や独自の条件を作成する方法も学びます。

このセクションでは、さまざまなデータ条件の設定に関する知識を拡張します。データが定義された値のリスト内にあるか、2つの値の間にあるかを確認する方法を学びます。また、最大値と最小値を見つける方法についても学びます。

このセクションは、本コースの中でも特に興味深い内容の一つです。ここでは、データをさまざまな方法でグループ化する方法を学びます。特定のデータグループに関する情報を見つけるために、データアナリストとして役立つ知識を身につけることができます。

このセクションはデータアナリストにとって最も重要なものの一つです。なぜなら、データに不適切な形式の欠損値が含まれている場合、作業が不可能になるためです。ここでは、そのような不適切な値への対処方法を学びます。

欠損値の確認