缺失值处理

删除：如果行或列数据缺失值达到一定比例，建议放弃整行或列
插补：填补列的平均值，中位数

numpy数组中的缺失值 nan/NaN 属于float类型

代码示例

from sklearn.preprocessing import Imputer
import numpy as np

# 缺失值处理
data = [ [1, 1, 3], [np.nan, 4, 6], [7, 3, 5]
]

im = Imputer(missing_values="NaN", strategy="mean", axis=0)
result = im.fit_transform(data)
print(result)
"""
[[1. 1. 3.]
 [4. 4. 6.]
 [7. 3. 5.]]
"""

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
 

文章来源: pengshiyu.blog.csdn.net，作者：彭世瑜，版权归原作者所有，如需转载，请联系作者。

原文链接：pengshiyu.blog.csdn.net/article/details/86430553