缺失值处理：SimpleImputer（简单易懂 + 超详细）
SimpleImputer参数详解
class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, verbose=0, copy=True, add_indicator=False)
参数含义
missing_values：
int,float,str, (默认)np.nan或是None, 即缺失值是什么。strategy：空值填充的策略，共四种选择（默认）
mean、median、most_frequent、constant。mean表示该列的缺失值由该列的均值填充。median为中位数，most_frequent为众数。constant表示将空值填充为自定义的值，但这个自定义的值要通过fill_value来定义。fill_value：
str或数值，默认为Zone。当strategy == "constant"时，fill_value被用来替换所有出现的缺失值（missing_values）。fill_value为Zone，当处理的是数值数据时，缺失值（missing_values）会替换为0，对于字符串或对象数据类型则替换为"missing_value"这一字符串。verbose：
int，（默认）0，控制imputer的冗长。copy：
boolean，（默认）True，表示对数据的副本进行处理，False对数据原地修改。add_indicator：
boolean，（默认）False，True则会在数据后面加入n列由0和1构成的同样大小的数据，0表示所在位置非缺失值，1表示所在位置为缺失值。
常用方法
fit(X)
返回值为SimpleImputer()类，通过fit(X)方法可以计算X矩阵的相关值的大小，以便填充其他缺失数据矩阵时进行使用。
transform(X)
填补缺失值，一般使用该方法前要先用fit()方法对矩阵进行处理。
from sklearn.impute import SimpleImputer import numpy as np X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) X1 = np.array([[1, 2, np.nan], [4, np.nan, 6], [np.nan, 8, 9]]) imp = SimpleImputer(missing_values=np.nan, strategy='mean') imp.fit(X) print(imp.transform(X1)) # 运行结果 [[1. 2. 6.] [4. 5. 6.] [4. 8. 9.]] 复制代码
由于fit(X)和strategy='mean'，所以填补值为X矩阵各列的均值。
fit_transform(X)
相当于fit() + transform()，一般使用的较多。
X1 = np.array([[1, 2, np.nan], [4, np.nan, 6], [np.nan, 8, 9]]) imp = SimpleImputer(missing_values=np.nan, strategy='mean') print(imp.fit_transform(X1)) # 运行结果 [[1. 2. 7.5] [4. 5. 6. ] [2.5 8. 9. ]] 复制代码
get_params()
获取SimpleImputer参数信息。
imp = SimpleImputer(missing_values=np.nan, strategy='mean') print(imp.get_params()) # 运行结果 {'add_indicator': False, 'copy': True, 'fill_value': None, 'missing_values': nan, 'strategy': 'mean', 'verbose': 0} 复制代码
inverse_transform(X)
将数据转换回原始的表示形式。反转对数组执行的转换操作。该操作只能在以add_indicator=True实例化simpleImputer后执行 注意：反变换只能在具有缺失值的二进制指示符的特征中进行反变换。如果一个特征在拟合时没有缺失值，那么该特征就没有二进制指标，变换时的赋值就不会被反向。简单说就是没有替换缺失值，就不存在还原。
X1 = np.array([[1, 2, np.nan], [4, np.nan, 6], [np.nan, 8, 9]]) imp = SimpleImputer(missing_values=np.nan, strategy='mean', add_indicator=True) X1 = imp.fit_transform(X1) print(X1) print(imp.inverse_transform(X1)) # 运行结果 [[1. 2. 7.5 0. 0. 1. ] [4. 5. 6. 0. 1. 0. ] [2.5 8. 9. 1. 0. 0. ]] [[ 1. 2. nan] [ 4. nan 6.] [nan 8. 9.]] 复制代码
自定义值填补
fill_value自定义。
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) imp = SimpleImputer(missing_values=1, strategy='constant', fill_value=666) print(imp.fit_transform(X)) # 运行结果 [[666 2 3] [4 5 6] [7 8 9]] 复制代码
fill_value为默认值Zone。
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) imp = SimpleImputer(missing_values=1, strategy='constant', fill_value=None) print(imp.fit_transform(X)) # 运行结果 [[0 2 3] [4 5 6] [7 8 9]] 复制代码
对于刚入门
Python或是想要入门Python的小伙伴，可以微信搜【Python新视野】，一起交流学习，都是从新手走过来的，有时候一个简单的问题卡很久，但可能别人的一点拨就会恍然大悟，由衷的希望大家能够共同进步。
作者：Dream丶Killer
链接：https://juejin.cn/post/7025196851749978125