Sklearn 或 Pandas，用简单的线性回归估算缺失值

Posted 2023-03-12

【中文标题】Sklearn 或 Pandas，用简单的线性回归估算缺失值

【英文标题】：Sklearn or Pandas, impute missing values with simple linear regression

【发布时间】：2019-03-26 19:05:04

【问题描述】：

我有数据、时间序列数据，我想估算缺失的数据。我不能使用列的平均值，因为我认为它不适合时间序列数据。 所以我想要简单的线性回归来估算它

Day, Price
 1 , NaN
 2, NaN
 3, 1800
 4, 1900
 5, NaN
 6, NaN
 7, 2000
 8, 2200

如何做到这一点？

我更喜欢使用 Pandas 来做这件事， 但如果没有其他方法，我可以使用 sklearn 来做到这一点:)

【问题讨论】：

查看imputing of missing values in scikit-learn

@VivekKumar sklearn 的插补仅支持常数值、均值、中值或最频繁。所以，正是 OP 不想要什么。

【参考方案1】：

您可以使用interpolate：

df['Price'].interpolate(method='linear', inplace=True)

结果：

    Price   Date
0   NaN     1
1   NaN     2
2   1800.000000     3
3   1900.000000     4
4   1933.333333     5
5   1966.666667     6
6   2000.000000     7
7   2200.000000     8

如您所见，这只会向前填充缺失值。如果还想填充前两个值，请使用参数limit_direction="both"：

df['Price'].interpolate(method='linear', inplace=True, limit_direction="both")

有不同的插值方法，例如二次或样条，有关更多信息，请参阅文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.interpolate.html