缺少值的Python分层集群

我是Python新手。我想对包含一些缺失值的N×P数据集执行分层聚类。我计划使用scipy.cluster.hierarchy.linkage函数，该函数采用压缩形式的距离矩阵。Python是否有一种方法来计算包含缺失值数据的距离矩阵？（在R dist中，函数会自动处理缺失值…但scipy.spatial.distance.pdist似乎不会处理缺失值！）

我找不到一种方法来计算缺失值数据的距离矩阵。这是我使用欧几里德距离的简单解决方案

import numpy as np
def getMissDist(x,y):
    return np.nanmean( (x - y)**2 )

def getMissDistMat(dat):
    Npat = dat.shape[0]
    dist = np.ndarray(shape=(Npat,Npat))
    dist.fill(0)
    for ix in range(0,Npat):
        x = dat[ix,]
        if ix >0:
            for iy in range(0,ix):
                y = dat[iy,]
                dist[ix,iy] = getMissDist(x,y)
                dist[iy,ix] = dist[ix,iy]
    return dist

然后假设

dat

是N（=案例数量）乘以p（=特征数量）数据矩阵，且缺少值，则可以对该

dat

执行分层聚类，如下所示：

distMat = getMissDistMat(dat)
condensDist = dist.squareform(distMat)
link = hier.linkage(condensDist, method='average')

---

你可以看看Sklearn的输入法。它使用基于相邻单元的某种插值。