特征工程—sklearn中缺失值填充方法

特征工程—sklearn中缺失值填充方法

import pandas as pd
data = pd.read_csv("C:/Users/ASUS/Desktop/第四章 类别比较型图表数据/PloarRange_Data.csv")

data.info()   #探索数据

使用sklearn中的SimleImputer进行缺失值处理，sklearn提供中位数，0，众数进行填充

首先对填充方法进行实列化

from sklearn.impute import SimpleImputer  #导入缺失值处理库
imp_mean = SimpleImputer()                               #实列化，默认使用均值填充
imp_median = SimpleImputer(strategy = "median")    #使用中位数进行填
imp_0 = SimpleImputer(strategy = "constant",fill_value=0) #使用0进行填充
imp_most = SimpleImputer(strategy="most_frequent")   #使用众数进行填充

对不同的方法进行训练

imp_mean = imp_mean.fit_transform(data1.values.reshape(1,-1))
imp_median = imp_median.fit_transform(data1.values.reshape(1,-1))
imp_0  = imp_0.fit_transform(data1.values.reshape(1,-1))
imp_most = imp_most.fit_transform(data1.values.reshape(1,-1))

（注：sklearn中默认不支持一维数据输入，当数据为一维时需要使用reshape（1，-1）进行维度增加） 缺失值填充后数据