如何仅使用 SimpleImputer 或等效工具转换某些列

Question

我正在使用 scikit 库迈出第一步，发现自己只需要回填数据框中的某些列。

我已经仔细阅读了文档，但我仍然不知道如何实现这一点。

为了使这更具体，假设我有：

A = [[7,2,3],[4,np.nan,6],[10,5,np.nan]]

我想用平均值而不是第三列填充第二列。如何使用 SimpleImputer（或其他辅助类）执行此操作？

由此演变而来，自然的后续问题是：如何用平均值填充第二列，用常数填充最后一列（显然，仅适用于没有值的单元格）？

Answer 1

无需使用 SimpleImputer。
DataFrame.fillna()也可以做这项工作

• 对于第二列，使用

  column.fillna(column.mean(), inplace=True)

• 对于第三列，使用

  column.fillna(constant, inplace=True)

当然，您需要column用您想要更改的 DataFrame 列和constant所需的常量替换。

编辑
由于inplace不鼓励使用并且将被弃用，因此语法应为

column = column.fillna(column.mean())

Answer 2

按照 Dan 的建议，使用ColumnTransformer和SimpleImputer回填列的示例是：

import numpy as np
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer

A = [[7,2,3],[4,np.nan,6],[10,5,np.nan]]

column_trans = ColumnTransformer(
[('imp_col1', SimpleImputer(strategy='mean'), [1]),
 ('imp_col2', SimpleImputer(strategy='constant', fill_value=29), [2])],
remainder='passthrough')

print(column_trans.fit_transform(A)[:, [2,0,1]])
# [[7 2.0 3]
#  [4 3.5 6]
#  [10 5.0 29]]

这种方法有助于构建更适合大型应用程序的管道。