机器学习编程练习1——处理缺失值

 导入模块

import pandas as pd
import numpy as np
from sklearn.impute import SimpleImputer

读取数据

data = {
      'size': ['XL', 'L', 'M', np.nan, 'M', 'M'],
      'color': ['red', 'green', 'blue', 'green', 'red', 'green'],
      'gender': ['female', 'male', np.nan, 'female', 'female', 'male'],
      'price': [199.0, 89.0, np.nan, 129.0, 79.0, 89.0],
      'weight': [500, 450, 300, np.nan, 410, np.nan],
      'bought': ['yes', 'no', 'yes', 'no', 'yes', 'no']
}

构建pandas.Dataframe，并打印出来

df = pd.DataFrame(data)
df

查看每一列空值的个数

df.isnull().sum()

 输出data的行数

len(df)

每一列空值的比

df.isnull().sum() / len(df)

 使用均值填充缺失值

创建一个策略对象  传两个对象 第一个空值 第二个填充的数据（用均值来填充）

imputer = SimpleImputer(missing_values = np.nan,strategy = 'mean')
df[["weight"]] = imputer.fit_transform(df[["weight"]])
df

使用常量填充缺失值

imputer = SimpleImputer(missing_values = np.nan,strategy = 'constant'，fill_value = 99.0)
df[["price"]] = imputer.fit_transform(df[["price"]])
df

使用最频繁的值填充缺失值（一般是非数值列）

imputer = SimpleImputer(missing_values = np.nan,strategy = 'most_frequent')
df[["size"]] = imputer.fit_transform(df[["size"]])
df