缺失值填充：关于年龄特征

不妥之处，欢迎评论指出。

缺失值填充这回事我们第一能想到的就是使用0进行填充，但是如果是年龄的话直接使用0进行填充就有点不太靠谱了，那么怎么办呢？

情况一：全样本均值填充

如果整个样本群体的年龄方差不大，比如整个样本来源于初中生，年龄在13-15岁之间，那么直接使用全样本的均值填充即可。

情况二：分类样本均值填充

但是真实情况往往不会这么美好，哪怕是初中生也会有急着早读书的学生和可怜巴巴的留级生，再加上各个地区的入学年龄并不统一，那么年龄区间一下子就会被拉大到11-16，这时候全体均值就不是那么管用了。

为了消除地区的影响，我们可以分地区进行均值计算，然后使用与样本同地区的均值进行填充。在入学的场景中我们需要考虑的地区粒度是城市，那么如果是生活习惯类的场景，我们可以考虑省份，又或者是大区（华东、华南之类的）。

同理在其他的分析场景中，我们还可以考虑分性别、分职业等等…
还可以考虑使用多个因素叠加分类之后再计算均值进行填充。

条条大路通罗马，管用就行。