Python 在执行StandardScaler后将NaN分配给-1

我想StandardScaler（通过SK学习）某些数据帧，其中包含大量NaN值，在执行此scaler移位后，我想将所有

NaN

分配给-1。我们知道StandardScaler不能处理NaN值，这是怎么可能的

如果有任何其他解决方案（不依赖于Scikit学习），也请提及

df = pd.DataFrame(StandardScaler().fit_transform(values_to_scale.values))

我收到以下错误消息：

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

---

处理NaN值并不是那么简单。在进一步处理NaN值之前，需要对数据进行分析。有多种方法可以处理这些缺失值（以下不是详尽的列表）：

• 忽略缺少的值altogther：这种方法的问题是缺少的行可能包含其他列中的重要信息，忽略它们将导致分析不完整
• 用另一个值替换它们：这是常用的方法之一，但选择要替换的值将影响整体分析。您可以将它们替换为say mean，或者说占位符值（如-1），您知道该值在整个列中从未出现过

• 使用回归替换值

• **使用KNN替换值**

您可以查看以下链接，以获得更好的想法

此外，您还可以查看

更新：您可以在这样执行StandardScalar时忽略NaN值

import numpy as np    
import pandas as pd
from sklearn.preprocessing import StandardScaler

#Create a dataframe
df = pd.DataFrame({'col1': [0, np.nan, 2, 3, np.nan, 4, 5, np.nan, 6, 7, np.nan]})

#Get the index of null values
null_values = d['col1'].isnull()

#Perform standard scalar on only non-NaN values
df.loc[~null_values, ['col1']] = StandardScaler().fit_transform(df.loc[~null_values, ['col1']])

输出

    col1
0   -1.728498
1   NaN
2   -0.832240
3   -0.384111
4   NaN
5   0.064018
6   0.512148
7   NaN
8   0.960277
9   1.408406
10  NaN

    col1
0   -1.728498
1   -1.000000
2   -0.832240
3   -0.384111
4   -1.000000
5   0.064018
6   0.512148
7   -1.000000
8   0.960277
9   1.408406
10  -1.000000

然后使用

outout

    col1
0   -1.728498
1   NaN
2   -0.832240
3   -0.384111
4   NaN
5   0.064018
6   0.512148
7   NaN
8   0.960277
9   1.408406
10  NaN

    col1
0   -1.728498
1   -1.000000
2   -0.832240
3   -0.384111
4   -1.000000
5   0.064018
6   0.512148
7   -1.000000
8   0.960277
9   1.408406
10  -1.000000

---

您已经分享了一些关于如何处理丢失数据的指南，但就我而言，我知道我想做什么。我只想在执行StandardScaler之后（而不是之前）将它们分配到-1（正如我在问题中提到的）。我的问题很简单，我怎么做？最后一个问题。这能以某种方式应用于多维数据帧吗？e、 g如果我们也有一个col2？这可以应用，但是为空值和标准标量切片数据的方式是不同的。如果可能的话，你能举个例子吗？