数据预处理（二）：缺失值处理

缺失值

在数据挖掘工作中，数据往往会出现有部分缺失值，因此缺失值填补属于数据处理的重要部分。

一、使用skearn进行缺失值填补

函数介绍：

sklearn.impute.SimpleImputer(missing_values=nan,strategy='mean',fill_value = None,copy=True)

参数	含义与输入
missing_values	缺失值的格式，默认为np.nan
stratege	填补缺失值的策略，默认为均值；mean代表均值，median代表中值，most_frequent代表众数，constant代表常数
fill_values	在填补常数时，设置常数的值，默认为0
copy	是否创建特征矩阵的副本，默认为True

代码：

#以均值填补为例
#导入sklearn填补缺失值的包
from sklearn.