问题标签 [fancyimpute]

我一直在尝试在 Jupyter Notebook 上导入 fancyimpute，因为我有兴趣使用 K 最近邻进行数据插补。但是，我继续收到屏幕截图中描述的错误。

我已经尝试安装以下依赖项：

pip install ecos
pip install CVXcanon
pip install keras
pip install tensorflow
pip install fancyimpute

错误消息如下：

使用 TensorFlow 后端。

RuntimeError Traceback（最近一次调用最后一次） RuntimeError：针对 API 版本 0xb 编译的模块，但这个版本的 numpy 是 0xa

ImportError Traceback（最近一次调用最后一次） ImportError：numpy.core.multiarray 导入失败

ImportError Traceback（最近一次调用最后一次） ImportError：numpy.core.umath 导入失败

ImportError Traceback（最近一次调用最后一次） ImportError：numpy.core.umath 导入失败

屏幕截图 Jupyter Notebook 错误

花式盒版本：2.1.0

描述：我不想升级到版本 3，因为它会影响其他人。

那么minHeight和maxHeight值如何在当前版本中生效呢？

我尝试了以下方法，但没有奏效。

我正在尝试使用以下链接使用 MICE 实现：

使用KNN在python中进行缺失值插补

我收到以下错误：

输入类型不支持 ufunc 'isnan'，并且根据转换规则 ''safe'' 无法安全地将输入强制转换为任何支持的类型

同样在链接上，它说它们已替换为 NaN。我不确定这是什么意思？我已经尝试过：df_train.isnull(np.array([np.nan, 0], dtype=float))但这也无济于事。

我想使用 MICE、KNN 和 Soft Impute 比较来自 fancyimpute 包的插补值，但是，当我运行我的代码时，与 MICE 插补的更有意义的值相比，KNN 和 SoftImpute 只为我的值插补了 0。

我将结果放在一个如下所示的数据框中：

问题：为什么 KNN 和 SoftImpute 只将 0 归为完成值？

我在我的环境中成功安装了fancyimpute，但当前频道中仍然显示包丢失，不确定这意味着什么。我尝试了 pip install fancyimpute + conda search fancyimpute，它显示了与以下相同的错误：任何想法如何解决这个问题。欣赏它！

我正在尝试从 Anaconda 提示符安装 fancyimpute 但运行到以下错误。提示中有很多消息，但我只提供了错误消息。

最后还有这个错误

编辑：解决方案：我使用的是 Visual Studio 社区 2015。安装 Visual Studio 社区 2017 后问题已解决。我能够成功安装fancyimpute 并使用它。

我正在使用 ubuntu 18.04。当我尝试使用 python 3 在 jupyter notebook 中导入花哨的 impute 时，内核突然死亡并重新启动。请帮忙。

我以前让它在我的 Mac 上工作，但似乎无法在 Windows 上工作。我正在尝试为 python 安装 fancyimpute 包，但输入后我收到一条错误消息：

我得到....第 1175 行，in_REalGetContents raise BedZipFile("File is not a zip file") zipfile.BadZipFile: File is not a zip file)。

我还尝试了另一个答案的尝试： conda install ecos conda install CVXcanon

然后进行 pip install fancyimpute 但这也无济于事。

这是我收到的错误消息：

我正在尝试使用 KNN 包来估算我在数据框中的缺失值。我的数据框列具有不同的范围，即其中一些列的价值比其他列大得多。

我的理解是KNN算法使用欧几里得距离来确定最近邻。我的疑问是我是否应该在将数据提供给算法之前对其进行标准化，或者默认情况下是否应该这样做？

我正在处理一个属性中存在多个缺失值的数据集。

完成数据预处理的典型过程后，我的下一步是尝试拟合回归模型来估算缺失值。但是，当我尝试使用IterativeImputerfrom 时fancyimpute。我遇到了这个错误：

我知道输入到的缺失值IterativeImputer将表示为NaNs 所以我猜这不是这里的原因。在传递到插补过程之前，我是否应该将我的数据缩放到。但这不会影响插补过程吗？

谢谢！