python怎么处理数据集的缺失值_python 对数据集的缺失值补全方法 sklearn.preprocessing.Imputer...

1、官方说明

sklearn.preprocessing.Imputer 用于对数据中的缺失值进行补全，支持“均值(mean)”、“中值(median)”、“众数(most_frequant，也就是mode)”三种数值替换数据集中的缺失值(numpy.nan、NaN等)

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.Imputer.html

参数：

(1)missing_values：可选参数，整数或“NaN”，默认为“NaN”，对于编码为 np.nan 的缺失值，使用字符值"NaN"

(2)strategy：可选参数，替换的目标数值，支持“均值(mean)”、“中值(median)”、“众数(most_frequant，也就是mode)，默认为平均值

(3)axis：可选参数，整数，支持“沿列(0)或沿行(1)计算 strategy 中使用的替换值”，默认为

(4)verbose：可选参数，整数，默认为 0

(5)copy：可选参数，布尔值，默认为 True

方法：

(1)fit(self, X[,y])：在数据集上拟合插值器

(2)fit_transform(self, X[,y])：拟合数据，并转换

(3)get_params(self[,deep])：获得该插值器的参数

(4)set_params(self,\*\*params)：设置该插值器的参数