Python 使用scikit learn（sklearn），如何处理线性回归的缺失数据（相依变量y）？

我的问题是如何将y中缺失的数据替换为python中的平均值 dataframe['column']=dataframe['column'].fillna（dataframe['column'].median（）） #卑鄙 dataframe['column']=dataframe['column'].fillna（dataframe['column'].mean（））

#中值
dataframe['column']=dataframe['column'].fillna（dataframe['column'].median（））
#卑鄙
dataframe['column']=dataframe['column'].fillna（dataframe['column'].mean（））

我建议您使用seaborn查找NaN值我建议您使用seaborn查找NaN值

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

dataset = pd.read_csv('Data-hw1.csv')
x = dataset.iloc[:, :-1].values #get a copy of dataset exclude last column
y = dataset.iloc[:, -1].values #get array of dataset in last column

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values = np.nan, strategy = 'mean') # taking care missing data
imputer.fit(x[:,1:3])

x[:,1:3] = imputer.transform(x[:,1:3])
print(x)
print(y)