sklearn 缺失值填补（总结）

Posted 2021-12-28 heenhui2016

首先查看数据形态：

data.shape

再查看数据类型和非空值的个数与比例

data.info()

使用SimpleImputer进行填补

from sklearn.impute import SimpleImputer as si
imp_mean=si()

默认是用均值进行填补，参数如下：

• missing_values: 空值的类型。默认np.nan

注意，numpy自带的fillna只能填补np.nan，而此处则可以指定空值的类型。比如? 或N/A

• strategy: 可选：mean, median, most_frequent, constant
• fill_value: 以什么值进行填补，当constant时可用。
• copy：是否创建副本

当数据是连续型，一般用均值填补。数据是分类型，用众数填补。

比如当空值是?时，使用0填充：

imp_0=si(missing_values="?",strategy='constant', fill_value=0)
imp_0=imp_0.fit_transform(data_)

注意此处，data是如果是0维，则要先变为一维：

data_=data.列名.values.reshape(-1.1)

除了用均值，0，众数，中位数。还可用：算法、多重差补等。但是如用随机森林进行填补，解释性比较差。