缺省值处理

如何处理数据中的缺失值？

删除	如果每列或者行数据缺失值达到一定的比例，建议放弃整行或者整列
插补	可以通过缺失值每行或者每列的平均值、中位数来填充

 

sklearn缺失值API:  sklearn.preprocessing.Imputer

Imputer语法：

 

Imputer流程：

 

关于np.nan(np.NaN)：

1、 numpy的数组中可以使用np.nan/np.NaN来代替缺失值，属于float类型

2、如果是文件中的一些缺失值，可以替换成nan，通过np.array转化成float型的数组即可

# coding=utf-8
_author_ = 'liuzc'
from sklearn.preprocessing import Imputer
import numpy as np
def im():
    """
    缺失值处理
    :return:NOne
    """
    # NaN, nan
    im = Imputer(missing_values='NaN', strategy='mean', axis=0)
    data = im.fit_transform([[1, 2], [np.nan, 3], [7, 6]])
    print(data)
    return None

if __name__ == "__main__":
    im()

结果：

[[ 1.  2.]
 [ 4.  3.]
 [ 7.  6.]]