sklearn.preprocessing.Imputer

填补缺失值：sklearn.preprocessing.Imputer(missing_values=’NaN’, strategy=’mean’, axis=0, verbose=0, copy=True)

主要参数说明：

missing_values：缺失值，可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示)，默认为NaN

strategy：替换策略，字符串，默认用均值‘mean’替换

①若为mean时，用特征列的均值替换

②若为median时，用特征列的中位数替换

③若为most_frequent时，用特征列的众数替换

axis：指定轴数，默认axis=0代表列，axis=1代表行

copy：设置为True代表不在原数据集上修改，设置为False时，就地修改，存在如下情况时，即使设置为False时，也不会就地修改

①X不是浮点值数组

②X是稀疏且missing_values=0

③axis=0且X为CRS矩阵

④axis=1且X为CSC矩阵

statistics_属性：axis设置为0时，每个特征的填充值数组，axis=1时，报没有该属性错误

以X为数组为例：

In [1]: import numpy as np
   ...: from sklearn.preprocessing import Imputer
   ...: train_X = np.array([[1, 2], [np.nan, 3], [7, 6]])
   ...: imp = Imputer(missing_values=np.nan , strategy='mean', axis=0)
   ...: imp.fit(train_X)
   ...:
Out[1]: Imputer(axis=0, copy=True, missing_values=nan, strategy='mean', verbose=
0)

In [2]: imp.statistics_
Out[2]: array([ 4.        ,  3.66666667])

In [3]: test_X = np.array([[np.nan, 2], [6, np.nan], [7, 6]])
   ...: imp.transform(test_X)
   ...:
Out[3]:
array([[ 4.        ,  2.        ],
       [ 6.        ,  3.66666667],
       [ 7.        ,  6.        ]])

In [4]: imp.fit_transform(test_X)
Out[4]:
array([[ 6.5,  2. ],
       [ 6. ,  4. ],
       [ 7. ,  6. ]])

In [5]: imp.statistics_
Out[5]: array([ 6.5,  4. ])

以X为稀疏矩阵为例：

In [6]: import scipy.sparse as sp
   ...: from sklearn.preprocessing import Imputer
   ...: X = sp.csc_matrix([[1, 2], [0, 3], [7, 6]])
   ...: imp = Imputer(missing_values = 0 , strategy = 'mean',axis=0)
   ...: imp.fit(X)
   ...: test_X = sp.csc_matrix([[0, 2], [6, 0], [7, 6]])
   ...: imp.transform(test_X)
   ...:
Out[6]:
array([[ 4.        ,  2.        ],
       [ 6.        ,  3.66666667],
       [ 7.        ,  6.        ]])

In [7]: imp.statistics_
Out[7]: array([ 4.        ,  3.66666667])