Python 如何在sklearn'中组合不同类型的缺失值；把简单的计算机合并成一个

我有两种不同类型的缺失值（np.nan和None）的数据，我试图使用SimpleComputer对它们进行插补。 虽然我可以分两步完成这项工作，但我想知道是否有办法将其合并为一个步骤。 我的代码如下：

将熊猫作为pd导入
将numpy作为np导入
从sklearn.impute导入SimpleImputer
列车=pd数据帧({
“用户”：[无，'John Johnson'，np.nan，'John Smith'，'Mary Williams'，'ted bundy'，]，
})
test=pd.DataFrame({
“用户”：[None，np.nan，'John Smith'，'Mary Williams'，'Andy Rollins'，]，
})
si1=SimpleImputer（策略='常量'，填充值='NAN'）
si2=SimpleImputer（策略='常量'，缺少值=无，填充值='缺少'）
序列输入的序列interim1=si1.拟合变换（序列）
序列插补=si2.拟合变换（序列插补）
test_imputed_interim1=si1.拟合变换（test）
test_imputed=si2.拟合变换（test_imputed_interim1）
打印（“\n打印输入：”）
打印（列车输入）
打印（'\ntest\u插补：'）
打印（测试输入）

有没有一种方法可以将si1和si2合并为一个。我试过了

si=simplemputer（策略='constant'，缺少值=[None，np.nan]，填充值='missing'）

---

但这似乎不起作用。

如果要将None和np.nan值替换为'MISSING'，可以使用pd.DataFrame.replace（）

---

严格来说，用一个

单输入器
无法做到这一点

一个选项，如前一个答案中所述，是使用pandas的
替换
，但如果您想坚持使用scikit学习工具包，您可以使用
管道
，这可能比您已有的两步解决方案更优雅：

from sklearn.pipeline import Pipeline

pipe = Pipeline([('si1',SimpleImputer(strategy='constant',fill_value='NAN')),
                ('si2', SimpleImputer(strategy='constant',missing_values = None, fill_value='MISSING'))])
print('\ntrain_imputed:')
print(pipe.fit_transform(train))
print('\ntest_imputed:')
print(pipe.transform(test))

这将给你同样的结果

from sklearn.pipeline import Pipeline

pipe = Pipeline([('si1',SimpleImputer(strategy='constant',fill_value='NAN')),
                ('si2', SimpleImputer(strategy='constant',missing_values = None, fill_value='MISSING'))])
print('\ntrain_imputed:')
print(pipe.fit_transform(train))
print('\ntest_imputed:')
print(pipe.transform(test))