缺失处理(Imputer)
最常见、最简单的处理缺失数据的方法是个案剔除法,俗称删掉缺失数据, 在这种方法中如果任何一个变量含有缺失数据的话,就把相对应的个案从分析 样本中剔除。如果缺失值所占比例比较小的话,这一方法十分有效。然而,这 种方法却有很大的局限性。它是以减少样本量来换取信息的完备,丢弃了大量 隐藏在这些对象中的信息。 均值、中位数或众数插补,在该方法中,我们将变量的属性分为数值型和 非数值型来分别进行处理。如果缺失值是数值型的,就根据该变量在其他所有 对象的取值的平均值来填充该缺失的变量值;如果缺失值是非数值型的,则根 据统计学中的众数原理,对取值次数最多的值来补齐该缺失的变量值
import numpy as np import pandas as pd
CountryAgeSalaryPurchased0France44.072000.0No1Spain27.048000.0Yes2Germany30.054000.0No3Spain38.061000.0No4Germany40.0NaNYesfrom sklearn.impute import SimpleImputer imputer=SimpleImputer(missing_values=np.nan,strategy='mean')
imputer=imputer.fit(X[:,1:3]) X[:,1:3]=imputer.transform(X[:,1:3])