缺失数据处理

缺失数据意味着我们的数据集可能是不完整的，之前的例子中

德国的缺了薪水，西班牙的缺了年龄。对于缺失的数据最简单的处理方法就是删除这两行数据，但是这样的话可能会遗失重要的信息，所以要采取一个更好的方法，最常用的方法就是，取这一列的平均值，或者是最常见的值来对缺失的数据进行补充。

我们用工具来完成这个过程

from sklearn.preprocessing import Imputer

sklearn是数据挖掘和数据分析的标准库，preprocessing是数据预处理的工具，Imputer是用于处理数据缺失，里面包含了许多处理缺失数据的策略

Imputer第一个参数missing_values对应缺失数据，dafault = "NaN"，第二个参数strategy，表示使用哪一种策略来处理缺失数据，default="mean"（平均值），或者是median中位数，most_frequent出现次数最多的，第三个参数axis表示取行平均值还是列平均值。

imputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)

然后使用数据来拟合Imputer对象，先拟合第二列和第三列

imputer = imputer.fit(X[:, 1:3])

X[:, 1:3] = imputer.transform(X[:, 1:3)

可以看到结果