【Python】已完美解决：机器学习填补数值型缺失值时报错)TypeError: init() got an unexpected keyword argument ‘axis’，

屿小夏

于 2024-06-12 21:01:46 发布

阅读量677

点赞数 24

文章标签： python 机器学习开发语言

本文链接：https://blog.csdn.net/a1657054242/article/details/139636607

版权

文章目录

在这里插入图片描述
已解决：Python机器学习中的数值型缺失值填补与TypeError: init() got an unexpected keyword argument 'axis’问题

一、问题背景

在数据分析和机器学习的项目中，处理缺失值是一个常见的任务。缺失值的存在可能会影响模型的性能和准确性。对于数值型数据，我们通常使用均值、中位数、众数或者更复杂的机器学习算法（如K-近邻算法、随机森林等）来进行缺失值的填补。然而，在使用这些方法进行填补时，有时可能会遇到TypeError: init() got an unexpected keyword argument 'axis’的错误。

二、可能出错的原因

这个错误通常表明你在调用某个函数或类时，传入了一个它不支持的关键字参数axis。在Python中，axis参数常用于NumPy和Pandas等库，用于指定操作的轴（例如行或列）。然而，并非所有的函数或类都支持这个参数。如果你错误地将axis参数传递给了一个不接受它的函数或类，就会引发这个错误。

三、错误代码示例

假设我们正在使用一个简单的机器学习库（为了演示，这里假设为FictitiousML库，实际上并不存在这样的库）来填补缺失值，并错误地传入了axis参数：

import numpy as np  
from fictitious_ml import FictitiousImputer  # 假设的库和类  
  
# 创建一个包含缺失值的numpy数组  
data = np.array([[1, 2, np.nan], [4, np.nan, 6], [7, 8, 9]])  
  
# 尝试使用FictitiousImputer来填补缺失值，错误地传入了axis参数  
imputer = FictitiousImputer(strategy='mean', axis=0)  # 假设FictitiousImputer不支持axis参数  
filled_data = imputer.fit_transform(data)

这段代码会触发TypeError: init() got an unexpected keyword argument 'axis’错误，因为FictitiousImputer类的初始化方法（init）可能不接受axis参数。

四、正确代码示例（结合实战场景）

使用Pandas的fillna方法（对于简单的填补策略）

如果你只是想用简单的策略（如均值、中位数等）来填补缺失值，并且你的数据是Pandas的DataFrame或Series，那么可以使用fillna方法：

import pandas as pd  
import numpy as np  
  
# 创建一个包含缺失值的DataFrame  
df = pd.DataFrame({  
    'A': [1, 4, 7],  
    'B': [2, np.nan, 8],  
    'C': [np.nan, 6, 9]  
})  
  
# 使用均值填补缺失值（默认沿axis=0，即按列计算均值）  
filled_df = df.fillna(df.mean())

使用scikit-learn的SimpleImputer（对于更复杂的机器学习填补）

对于更复杂的填补策略，你可以使用scikit-learn库中的SimpleImputer类。这个类不接受axis参数，因为它默认就是按列（即axis=0）进行操作的：

from sklearn.impute import SimpleImputer  
  
# 将DataFrame转换为NumPy数组（如果需要）  
X = df.values  
  
# 创建SimpleImputer对象，使用均值策略填补缺失值  
imputer = SimpleImputer(strategy='mean')  
  
# 拟合并转换数据  
filled_X = imputer.fit_transform(X)  
  
# 如果需要，可以将填补后的数据转回DataFrame  
filled_df = pd.DataFrame(filled_X, columns=df.columns)