python - 使用 scikit-learn 的 Imputer 模块预测缺失值

Question

我正在编写一个非常基本的程序来使用scikit-learn 的 Imputer类来预测数据集中的缺失值。

我制作了一个 NumPy 数组，创建了一个带有 strategy='mean' 的 Imputer 对象，并在 NumPy 数组上执行了 fit_transform() 。

当我在执行 fit_transform() 后打印数组时，'Nan' 仍然存在，我没有得到任何预测。

我在这里做错了什么？如何预测缺失值？

import numpy as np
from sklearn.preprocessing import Imputer

X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])

print X

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)

print X

Answer 1

Per the documentation, sklearn.preprocessing.Imputer.fit_transform returns a new array, it doesn't alter the argument array. The minimal fix is therefore:

X = imp.fit_transform(X)

Answer 2

在scikit-learn 0.20 版之后，impute 模块的使用发生了变化。现在，我们可以使用 imputer 之类的；

from sklearn.impute import SimpleImputer
impute = SimpleImputer(missing_values=np.nan, strategy='mean')
impute.fit(X)
X=impute.transform(X)

注意：

代替'NaN'，使用np.nan

不需要使用轴参数

我们可以使用imp或imputer代替我的impute变量

Answer 3

注意：由于 sklearn 库中的更改，“NaN”必须替换为 np.nan，如下所示。

 from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values= np.nan,strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])