如何处理数据中的缺失值？
|
删除 |
如果每列或者行数据缺失值达到一定的比例，建议放弃整行或者整列 |
|
插补 |
可以通过缺失值每行或者每列的平均值、中位数来填充 |
sklearn缺失值API: sklearn.preprocessing.Imputer
Imputer语法：
Imputer流程：
关于np.nan(np.NaN)：
1、 numpy的数组中可以使用np.nan/np.NaN来代替缺失值，属于float类型
2、如果是文件中的一些缺失值，可以替换成nan，通过np.array转化成float型的数组即可
# coding=utf-8 _author_ = 'liuzc' from sklearn.preprocessing import Imputer import numpy as np def im(): """ 缺失值处理 :return:NOne """ # NaN, nan im = Imputer(missing_values='NaN', strategy='mean', axis=0) data = im.fit_transform([[1, 2], [np.nan, 3], [7, 6]]) print(data) return None if __name__ == "__main__": im()结果：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/229524.html原文链接：https://javaforall.net
