Python 使用scikit learn'预测缺失值；s输入模块

我正在编写一个非常基本的程序，使用scikit learn的插补器类来预测数据集中的缺失值

我制作了一个NumPy数组，创建了一个带有strategy='mean'的插补器对象，并对NumPy数组执行了fit_transform（）

当我在执行fit_transform（）后打印数组时，“Nan”仍然存在，我没有得到任何预测

我做错了什么？我如何预测缺失的值

import numpy as np
from sklearn.preprocessing import Imputer

X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])

print X

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)

print X

根据，

sklearn.preprocessing.inputer.fit_transform

返回一个新数组，它不会改变参数数组。因此，最基本的解决方案是：

X = imp.fit_transform(X)

---

注：由于sklearn库中的更改，“NaN”必须替换为np.NaN，如下所示

 from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values= np.nan,strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])

---

scikit学习版本0.20之后，插补模块的使用发生了变化。现在，我们可以使用插补器

from sklearn.impute import SimpleImputer
impute = SimpleImputer(missing_values=np.nan, strategy='mean')
impute.fit(X)
X=impute.transform(X)

注意:

使用np.NaN代替'NaN'

不需要使用轴参数

---

我们可以使用imp或imputer代替我的

impute

变量

，谢谢。然而，所有缺失值的预测值都是相同的。我也使用了更大的数据集，但所有的“NaN”都被相同的值所取代。我需要在程序中更改什么？这些不是“预测”值，它们只是缺少数据的替换。您的策略是

“平均值”

，因此它将“使用沿轴的平均值替换缺少的值”。好的。那么，我应该使用哪种算法来预测缺失的值？此外，您可以在构造函数中设置

copy=False

，以便在适当的位置进行插补，并尽可能避免创建副本。@Rayu您可能希望使用多重插补来正确执行此操作。请参阅此处，了解更多有关使用大熊猫和Frank Cheng的“非常好的老鼠港”进行预测的信息：这通常不称为预测，而是称为插补。除非丢失的值都是将来的。