具有多个值的 Scikit-learn Imputer

Question

有没有办法让 Scikit-learn Imputer 查找并替换多个被视为“缺失值”的值？

\n

例如，我想做类似的事情

\n

imp = Imputer(missing_values=(7,8,9))\n

\n

但根据文档，missing_values参数只接受单个整数：

\n

\n

Missing_values ：整数或 \xe2\x80\x9cNaN\xe2\x80\x9d，可选（默认=\xe2\x80\x9dNaN\xe2\x80\x9d）

\n

缺失值的占位符。所有出现的丢失值都将被估算。对于编码为 np.nan 的缺失值，请使用字符串值 \xe2\x80\x9cNaN\xe2\x80\x9d。

\n

\n

Answer 1

为什么不在原始数据集中手动执行此操作？假设您正在使用，pd.DataFrame您可以执行以下操作：

import numpy as np
import pandas as pd
from sklearn.preprocessing import Imputer

df = pd.DataFrame({'A': [1, 2, 3, 8], 'B': [1, 2, 5, 3]})
df_new = df.replace([1, 2], np.nan)
df_imp = Imputer().fit_transform(df_new)

这导致df_imp：

array([[ 5.5,  4. ],
   [ 5.5,  4. ],
   [ 3. ,  5. ],
   [ 8. ,  3. ]])

如果您想使其成为管道的一部分，您只需要实现具有类似逻辑的自定义转换器。