Python 带scikit学习的KNI计算机

我有一个发动机的测量，有14个不同的传感器，测量间隔为6秒，它是一个numpy阵列，有14列，大约5000行。每行代表一个测量点，每列代表一个特征

1%的数据集是NAN，我想将它们插补为SVM

因为数据集是一个动态引擎的时间序列，所以只需要查看缺失值的两个最近的数据点：一个在前面的数据点和一个在后面的数据点。它应该计算两个最近数据点的平均值

我原以为这在scikit learn的KNI计算机上是可能的，但当我有一整排NAN时，我并不满意。看看这个例子：

15.30      80.13   20000.00   15000.00     229.00     698.00     590.00      24.00      82.53      1522.00     410.00     406.00     407.00      50.01
nan        nan        nan        nan        nan        nan        nan        nan        nan        nan        nan        nan        nan        nan
15.30      82.90   20000.00   15000.00     225.00     698.00     628.00      24.00      85.36    1523.00     410.00     407.00     408.00      50.02

KNI计算机的输出如下所示：

15.30      80.13   20000.00   15000.00     229.00     698.00     590.00      24.00      82.53    1522.00     410.00     406.00     407.00      50.01
19.90      91.88   19997.09   19945.58     327.14     829.40     651.23      25.97      94.80    1529.65     410.20     406.69     407.72      49.99
15.30      82.90   20000.00   15000.00     225.00     698.00     628.00      24.00      85.36    1523.00     410.00     407.00     408.00      50.02

看第一列，除了NaN：（15.30+15.30）/2=15.30之外，我会

相反，我得到了19.90分

我的代码：

from sklearn.impute import KNNImputer

imp = KNNImputer(n_neighbors=2)  
X_afterImputer = imp.fit_transform(X_beforeImputer)

---

有什么想法吗？

由于传递的n-近邻值较低，因此您似乎有很多噪音。但是，请记住，该方法不需要返回顶行和底行之间的平均值。使用数据训练的模型显然会有很多噪音，这会使它与您期望的值不同。（KNIMPUTE值的计算方式不是：

（（x-1）+（x+1））/2

。相反，您可以尝试使用

。fillna（df.mean（））

我为您制作了一个函数。下面是一个可复制的示例，以便您可以看到它是如何工作的：

将numpy导入为np
arr=np.random.randint（0,10，（10,4））.astype（float）
arr[2,0]=np.nan
arr[4,3]=np.nan
arr[0,2]=np.nan
打印（arr）

[[5.7.4]
[ 2.  6.  4.  9.]
[nan 2.5.5]
[ 7.  0.  3.  8.]
[6.4.3.nan]
[ 8.  1.  2.  0.]
[ 0.  0.  1.  1.]
[ 1.  2.  6.  6.]
[ 8.  1.  9.  7.]
[ 3.  5.  8.  8.]]

np.argwhere（np.isnan（arr））中x的

：
样本=arr[np.最大值（x[0]-1,0）：np.最小值（x[0]+2,20），x[1]]
arr[x[0]，x[1]]=np.均值（样本[np.逻辑\u非（np.isnan（样本）））
打印（arr）

[[5.7.4.4.]这里的第三个值是平均值（4）
[2.  6.  4.  9. ]
[4.5 2.5.5.]#这里的第一个值是平均值（2,7）
[7.  0.  3.  8. ]
[6.4.3.4.#这里的第四个值是平均值（8，0）
[8.  1.  2.  0. ]
[0.  0.  1.  1. ]
[1.  2.  6.  6. ]
[8.  1.  9.  7. ]
[3.  5.  8.  8. ]]

逻辑如下：

for every location (x, y) where value is missing:
    take previous and next value (if possible)
    assign the mean of these two values to the location (x, y)

---

我有最新版本的

sklearn

，此方法不可用，但这里有两条建议：

• 使用：

  n\u邻居=1

• 使用

  pandas

---

如果你通过n=1怎么办？@mkrieger1相同的结果找到了一个解决方案：无论如何谢谢你的回答；）重复的@mkrieger1 OP特别说他使用了一个NumPy数组存储库，但是对于n_邻居=1，我得到了相同的结果。对于pandas，它将得到整个列的平均值，我只需要前面和后面hanks值的平均值，但是对于pandas，它将得到整个列的平均值，我只需要前面和后面hanks值的平均值

X = np.array([[2, np.nan], [3, 4], [np.nan, 6], [8, 8]]) 
array([[ 2., nan],
       [ 3.,  4.],
       [nan,  6.],
       [ 8.,  8.]])

X=pd.DataFrame(X)
X = X.fillna(X.mean())
X.values
array([[2.        , 6.        ],
       [3.        , 4.        ],
       [4.33333333, 6.        ],
       [8.        , 8.        ]])