数据缺失值补全方法sklearn.impute.SimpleImputer

imp=SimpleImputer(missing_values=np.nan,strategy=’mean’)

创建该类的对象，missing_values,也就是缺失值是什么，一般情况下缺失值当然就是空值啦，也就是np.nan

strategy:也就是你采取什么样的策略去填充空值，总共有4种选择。分别是mean,median, most_frequent,以及constant，这是对于每一列来说的，如果是mean，则该列则由该列的均值填充。而median,则是中位数，most_frequent则是众数。需要注意的是，如果是constant,则可以将空值填充为自定义的值，这就要涉及到后面一个参数了，也就是fill_value。如果strategy=‘constant’,则填充fill_value的值。
imp.fit(df)
#df为read_csv和table读取的文件返回的变量，该方法提供中位数，均值等数据补全方法，采用什么方法补全取决于创建对象时参数strategy的参数值。如mean为均值填充
df = imp.transform(df)
#开始填充（按照每一列的内容，根据前面确定的填充方案填充该列缺少的数据）

例如：下面有的是自定义的数据填充

from sklearn.impute import SimpleImputer
import pandas as pd
import numpy as npfile = '班级作业提交情况1.csv'
df = pd.read_table(file, delimiter=',',header=None)
imp = SimpleImputer(missing_values=np.nan, strategy='constant',fill_value='1')
imp.fit(df)
df = imp.transform(df)
print(type(df))
print(df)

结果为

通过索引查出谁没交作业

from sklearn.impute import SimpleImputer
import pandas as pd
import numpy as npfile = '班级作业提交情况1.csv'
df = pd.read_table(file, delimiter=',',header=None)
imp = SimpleImputer(missing_values=np.nan, strategy='constant',fill_value='1')
imp.fit(df)
df = imp.transform(df)
x = (df[:,3] == "0")
print("Second_work没交",df[x,0])
x = (df[:,4] == "0")
print("Fouth_work没交",df[x,0])

结果为

sklearn.impute.SimpleImputer 数据填充相关推荐

数据缺失值补全方法 sklearn.impute.SimpleImputer 使用实例
一.环境 Python 3.7.3(Anaconda 3) sklearn.version'0.20.3' 二.方法对数据中的缺失值进行插补官方说明:https://scikit-learn.or ...
sklearn.impute.SimpleImputer
官方:link class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, ...
Sklearn Impute SimpleImputer 处理缺失值
Sklearn 有专门处理缺失值的模块 sklearn.impute.SimpleImputer,本文将探究如何用 Sklearn 中的预处理模块中的 Impute.SimpleImputer 处理缺 ...
python.pandas数据清洗（数据填充与条件删除）
在数据挖掘中,数据清洗占很大一部分工作,数据清洗是一件比较繁琐的事情. 本文介绍一下问题的解决方案: 1. 读入csv文件,条件过滤缺失值的行或者列 2. DataFrame数据的缺失值填充 3. A ...
sklearn实战-----3.数据预处理和特征工程
1 概述 1.1 数据预处理与特征工程想象一下未来美好的一天,你学完了菜菜的课程,成为一个精通各种算法和调参调库的数据挖掘工程师了.某一天你从你的同事,一位药物研究人员那里,得到了一份病人临床表现 ...
使用Sklearn库学习数据预处理和特征工程
目录 1,概述 1.1,数据预处理和特征工程 1.2,sklearn中的数据预处理和特征工程 2,数据预处理 Preprocessing & Impute 2.1,数据无量纲化 2.2,缺失值 ...
sklearn.impute.KNNImputer插值寻找近邻的原理
前言最近预处理数据需要使用插值来填充: 首先是sklearn.impute.SimpleImputer方法, strategy 只有mean, median等: 我需要相邻的邻居值来做插值, 所以选 ...
【sklearn学习】数据预处理和特征工程
主成分分析 sklearn.PCA 特征选择 sklearn.feature_selection 特征处理 sklearn.preprocessing 特征提取 sklearn.feature_ext ...
sklearn机器学习之数据预处理（Preprocessing Impute）
在之前的机器学习中,我们使用的数据集都是sklearn自带的数据集以及非常经典的泰坦尼克号数据集,这些数据集都是一些经过处理被验证为对机器学习很友好的数据集,而现实生活中我们往往数据集并不是那么友 ...
数据预处理2: impute.SimpleImputer来填补缺失值
import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv("trai ...

sklearn.impute.SimpleImputer 数据填充

数据缺失值补全方法sklearn.impute.SimpleImputer

创建该类的对象，missing_values,也就是缺失值是什么，一般情况下缺失值当然就是空值啦，也就是np.nan

sklearn.impute.SimpleImputer 数据填充相关推荐

最新文章

热门文章