Python Sci工具包学习错误输入值

我正在使用Scikit学习为我的数据集插补缺失值，但从数据集中我的一个特征的最大值来看，显然这些缺失值的插补不正确。 首先，我使用pandas函数查看数据集中某个特征的最大10个值

 ofData = mergeData.iloc[:, 3]
 print ofData.nlargest(10)

这个输出是,

 124    4.0
 128    4.0
 146    4.0
 147    4.0
 177    4.0
 240    4.0
 253    4.0
 310    4.0
 360    4.0
 361    4.0

这是正确的，我知道这是该功能的最大可能值。 然后我用Scikit learn估算数据

 imp = Imputer(missing_values='NaN', strategy='mean', axis=1)
 nData = imp.fit_transform(mergeData)
 nData = pd.DataFrame(nData)

然后，我再次使用pandas查看此功能的最大10个值

 ofData = nData.iloc[:, 3]
 print ofData.nlargest(10)

哪些输出

 1030    77.571129
 1056    67.804684
 1308    62.780544
 1212    61.902375
 927     61.207525
 870     60.592999
 1100    55.604145
 1722    55.308159
 1415    52.637559
 72      49.940297

---

这些值显然不是该特征的平均值，因为它们都大于插补前的最大值。我完全不知道是什么原因导致了这种情况，我担心这可能会影响我的数据集中其他特征的插补。

由于要用列中的平均值替换列中缺失的值，轴必须是0（这是默认值），而不是1。您的代码将丢失的值替换为行中的平均值