机器学习对数据缺失值的处理方法

两种处理办法

（1）删除：首先如果这一列或者一列的数据缺失值达到一定程度，建议放弃整行或整列。

（2）一般我们建议做插补：

可以通过缺失值的每行或者每列的平均值、中位数进行填充。（我们建议按照列进行填补）

代码：

from sklearn.impute import SimpleImputer

# sklearn对缺失值处理
def im():
    # strategy='mean'按平均值填补，按照列计算
    imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
    data = imputer.fit_transform([[89, 79, np.nan, 14], [78, 111, 33, np.nan], [82, 234, np.nan, 23]])
    print(data)

结果：