Python数学建模之缺失值处理

1.常规处理方法

• 整列数据中缺失值占比很高——删除整列数据
• 数据呈近似正态分布——平均值填充
• 数据呈偏态分布——中位数填充

Python判断前三种情况并进行处理：

import pandas as pd
import numpy as np

# 读取Excel文件
input_file = 'data.xlsx'
data = pd.read_excel(input_file)

# 遍历每一列数据
for column in data.columns:
    # 计算缺失值占比
    missing_percentage = data[column].isnull().sum() / len(data[column]) * 100

    # 判断数据分布情况并进行处理
    if missing_percentage >= 50:  # 缺失值占比超过50%，删除整列数据
        data = data.drop(column, axis=1)
        print(f"已删除列 {column}，因为缺失值占比超过50%")
    elif data[column].dtype == np.number:  # 数值型数据
        skewness = data[column].skew()  # 计算数据的偏度

        if abs(skewness) < 0.5:  # 数据近似正态分布，使用平均值填充缺失值
            data[column] = data[column].fillna(data[column].mean())
            print(f"已使用平均值填充列 {column} 中的缺失值")
        else:  # 数据呈偏态分布，使用中位数填充缺失值
            data[column] = data[column].fillna(data[column].median())
            print(f"已使用中位数填充列 {column} 中的缺失值")
    else:  # 非数值型数据，不做进一步处理
        print(f"列 {column} 是非数值型数据，不做处理")

# 将处理后的数据输出到新的Excel文件
output_file = 'processed_data.xlsx'
data.to_excel(output_file, index=False)
print(f"处理后的数据已保存到 {output_file} 文件中。")

• 数据为分类变量——众数填充

import pandas as pd
import numpy as np

# 读取Excel文件
input_file = 'data.xlsx'
data = pd.read_excel(input_file)

# 定义函数进行众数填充
def fill_mode(column):
    mode_value = data[column].mode()[0]  # 计算众数
    data[column] = data[column].fillna(mode_value)
    print(f"已使用众数填充列 {column} 中的缺失值")

# 遍历每一列数据
for column in data.columns:
    fill_mode(column)

# 将处理后的数据输出到新的Excel文件
output_file = 'processed_data.xlsx'
data.to_excel(output_file, index=False)
print(f"处理后的数据已保存到 {output_file} 文件中。")

• 根据文献，缺失值可以用固定值代替——固定值填充

import pandas as pd

# 读取Excel文件
input_file = 'data.xlsx'
data = pd.read_excel(input_file)

# 定义函数进行固定值填充
def fill_value(column, value):
    data[column] = data[column].fillna(value)
    print(f"已使用固定值 {value} 填充列 {column} 中的缺失值")

# 指定需要进行固定值填充的列和填充值
columns_to_fill = ['Column1', 'Column2', 'Column3']
fill_value = 'N/A'

# 遍历指定的列进行固定值填充
for column in columns_to_fill:
    if column in data.columns:
        fill_value(column, fill_value)

# 将处理后的数据输出到新的Excel文件
output_file = 'processed_data.xlsx'
data.to_excel(output_file, index=False)
print(f"处理后的数据已保存到 {output_file} 文件中。")

2.复杂处理方法

1.拟合模型

        用已有数据和与其有关的其他变量建立拟合模型来预测缺失值。、

• 回归
• 机器学习

2.插值函数

        利用已知点建立合适的插值函数，未知点由对应点求出的近似替代。

• 分段线性插值
• 拉格朗日插值
• 牛顿插值法
• 三次诶米尔特插值
• 三次样条插值