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.

我创建了一个NumPy数组,用strategy ='mean'创建了一个Imputer对象,并在NumPy数组上执行了fit_transform().

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

我在这做错了什么？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

根据文档,sklearn.preprocessing.Imputer.fit_transform返回一个新数组,它不会改变参数数组.因此,最小的修复:

X = imp.fit_transform(X)

Answer 2

在scikit-learn 0.20 版之后，impute 模块的用法发生了变化。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)

请注意：

而不是“男”，np.nan使用

不需要使用axis参数

我们可以使用imp或imputer代替我的impute变量