问题标签 [fancyimpute]

python 包Fancyimpute提供了几种在 Python 中估算缺失值的方法。该文档提供了以下示例：

这在将插补方法应用于数据集时效果很好X。但是，如果需要training/test拆分怎么办？一次

被称为，我如何估算测试集并创建X_test_filled？测试集需要使用来自训练集的信息进行估算。我想IterativeImputer()应该返回和对象可以适合X_test_incomplete。那可能吗？

请注意，对整个数据集进行插补然后拆分为训练集和测试集是不正确的。

作为前提，我会说明我是 Python 新手，所以请原谅最终的不准确之处。

所以，我最近安装了 Anaconda，并将 Python 版本更新为 3.7.1。为了使用 KNN 估算我的数据集中的一些缺失值，我在一个名为 fancyimpute 的包中找到了一个有用的函数。

但是，这样的包不在那些已经可用的包中（也就是说，来自我正在使用的 IDE 的 Spyder，我不能简单地导入它），所以我需要安装它。

因此，打开 Anaconda 提示符并键入“conda install fancyimpute”不起作用，返回以下内容：

“PackagesNotFoundError：当前频道不提供以下软件包：

• 花式估算

当前频道：

（这里是一些频道的列表）

要搜索可能提供您正在寻找的 conda 包的替代频道，请导航至

https://anaconda.org

并使用页面顶部的搜索栏”。

因此，使用“pip install fancyimpute”（尽管对我来说仍然不清楚 conda install 和 pip install 之间的区别）一段时间后，我得到以下信息：

“收集张量流（来自fancyimpute）

找不到满足要求 tensorflow 的版本（来自 fancyimpute）（来自版本：）没有找到 tensorflow 的匹配分布（来自 fancyimpute）”

因此，我现在运行“conda install tensorflow”，并且已经是解决环境大约 30 分钟。

我能做些什么？如何获得所需的软件包并避免将来出现类似问题？非常感谢，希望我清楚地暴露了这个问题。

更新：https ://anaconda.org/search?q=fancyimpute 从这里，fancyimpute 似乎在我的平台 w-64 上不可用。我该如何克服这个问题？

我试图关注 https://pypi.org/project/fancyimpute/

什么是missing_mask，如何从缺少值的数据框中获取它？

我正在尝试导入fancyimpute包以进行处理缺失值的插补。但是，当我尝试这样做时发生了上述错误。我尝试pip3 install fancyimpute在 cmd 中运行，但它一直给我这个错误：

我试图升级 pip 但似乎它已经升级了。我不确定是否是因为tensorflow未安装软件包导致此错误。但是，当我尝试在 cmd 中安装 tensorflow 时，它也无法正常工作。任何帮助深表感谢。

注意：我使用的是 Python 3.7 版本，而不是使用 Anaconda。

我以前可以在一个Jupyterlab笔记本中成功地从fancyimpute导入模块，而不是在其他笔记本中。重新启动我的电脑后，它在所有笔记本电脑中都失败，并显示“ImportError: DLL load failed: The specified procedure could not be found.”

为什么它会在一个选项卡而不是另一个选项卡中工作？而且，更令人担忧的是，为什么它会停止协同工作？

关于类似错误的其他一些帖子表明它可能与我调查的 sys.path 有关。它工作的笔记本和不工作的笔记本之间的唯一区别是，它工作的笔记本缺少我在打开该笔记本后添加的 factor_analyzer-0.3.1-py3.6.egg 条目。

我调查了sys.path并且它工作的笔记本看起来像这样（我手动输入了回车以使其更清晰）：

对于那些没有的：

产生错误的代码是：

错误信息是：

任何有关调查和解决问题的建议都将不胜感激。如果我需要提供有关环境的更多详细信息，请告诉我。

给出：

尝试通过将protobuf降级到3.7.0来解决问题，并通过直接导入罪魁祸首进行测试：

这使

KNN我正在使用以下代码对缺失值进行插补：

1)data[missing] = KNN(k = 3, verbose = False).fit_transform(data[missing])

但是，我看到了一些使用该方法的教程（例如Chris Albon - Machine Learning With Python Cookbook p. 78.complete() ） ；

2)features_knn_imputed = KNN(k=5, verbose=0).complete(X_train[true_nums])

我想知道 2) 是否是已弃用的代码，或者我KNN在 1) 中的 for imputing 实现是否不正确？

从各种资源中，我了解到使用期望最大化方法进行插补优于使用平均插补来插补缺失数据。但是没有消息来源解释如何在 python 中实现它。

我查看了scikit-learn，fancyimpute包，但他们没有提到任何关于期望最大化方法的内容。

如果您可以提供文档链接以解释实现的示例，或者提供代码来实现缺失数据的期望最大化方法，这将非常有帮助。

我正在尝试使用 pip install 和 conda install 安装 fancyimpute 并通过下载软件包并安装它，并且在使用 pip isntall 时所有这些都失败了它给了我以下错误

我该如何解决这个错误任何帮助将不胜感激

我花了最后 4 个小时试图在我的 windows 机器上安装 fancyimpute 模块（在我的 mac 上我没有任何问题），但没有成功。最后，我可以通过手动安装所需依赖项的 whl 文件来安装它，但 Jupyter notebook 无法识别该模块。

我真的需要你的帮助，我在这里变得疯狂试图解决这个问题......

fancyimpute导入库时出错：

我正面临这个错误：