eviews如何处理缺失数据填补_寻找数据集中缺失值的最佳填充方法,填补,分析,思路,整理...

寻找数据集最佳的缺失值的填补方法(分析思路的整理)：

第一步，导入需要用到的库；

第二步，导入完整的数据集并进行探索，以波士顿数据为例

例如：将特征数据集和标签数据集分出来

X_full

,

y_full

=

dataset

.

data

,

dataset

.

target

# 找出特征列的的行列的范围

n_samples

=

X_full

.

shape

[

0

]

n_features

=

X_full

.

shape

[

1

]

第三步，为完整数据集放入缺失值

首先设置一个缺失的比例，计算出缺失的数据的数量

然后从特征的行列索引范围内，随机取要选的数量

missing_features = rng.randint(0,n_features,n_missing_samples)

# randint(下限，上限，n)  ,意思是请在下限和上限之间取出n个整数

missing_samples = rng.randint(0,n_samples,n_missing_samples)

最后，防止操作错误，先复制数据集，然后，将选出的索引值的位置用nan填充

X_mi