Python 3.x 对缺少值的分类数据应用OneHotEncoding

我想对缺少值的pd.DataFrame进行OneHotEncode。当我尝试OneHotEncode时，它会抛出一个关于缺少值的错误

ValueError:输入包含NaN

当我尝试使用SimpleImputer修复缺失的值时，它会抛出一个关于分类数据的错误

ValueError:无法对非数字数据使用均值策略： 无法将字符串转换为浮点：“RH”

由于缺少值，我无法应用OneHotEncoding，因为分类数据，我无法应用SimpleComputer。

---

除了删除列或行之外，还有其他解决方法吗？

您可以使用以下两种方法中的任何一种来消除NaN分类值-

选项1:用最常见的类别替换缺少的值。例如，如果您有一个列，其中51%的值属于一个类别，则使用下面的代码来填充该类别缺少的值

df['col_name'].fillna('most_frequent_category',inplace=True)

选项2:如果您不希望将缺失值填入最常见的类别，则可以创建一个名为“其他”的新类别（或与您的变量相关的类似中性类别）

---

这两种方法都将插补缺失的分类值，然后您将能够对它们进行OneHotEncode。

您可以使用以下两种方法中的任何一种来消除NaN分类值-

选项1:用最常见的类别替换缺少的值。例如，如果您有一个列，其中51%的值属于一个类别，则使用下面的代码来填充该类别缺少的值

df['col_name'].fillna('most_frequent_category',inplace=True)

选项2:如果您不希望将缺失值填入最常见的类别，则可以创建一个名为“其他”的新类别（或与您的变量相关的类似中性类别）

这两种方法都将插补您缺少的分类值，然后您将能够对它们进行编码