python - 如果 sklearn 的输入向量中缺少列中的所有值，则 Imputers 将如何工作

Question

我有一个包含大量列的数据集，我已经对我的应用程序进行了编程，如果给定列的任何值丢失，那么它将填充以均值作为 imputer 策略的 imputer 值。

但是，我有点担心，如果整个列的所有值都丢失了，那么 imputer 将如何执行，在这种情况下正确的方法是什么？

Answer 1

如果在给定的列中，所有数据都丢失了，那么 Imputer 将丢弃该列。

这是一个示例，有 4 个样本和 2 列，其中一个样本有缺失值：

X = np.array([[1,1],[1,2],[1,1],[1,2],[1,np.nan]])
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)
print(imputer.fit_transform(X))

这打印出来

 [[ 1.   1. ]
 [ 1.   2. ]
 [ 1.   1. ]
 [ 1.   2. ]
 [ 1.   1.5]]

但是，如果第二列中的所有数据都丢失：

X = np.array([[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan]])
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)
print(imputer.fit_transform(X))

我们获得：

[[ 1.]
 [ 1.]
 [ 1.]
 [ 1.]
 [ 1.]]

在这种情况下，这种默认行为可能是正确的方法，因为无论如何都不能使用这个列（即这个特性）。