python填补缺失值,python缺失数据处理

　　解决方法

　　1.忽略元组。

　　当类别标签缺失时，通常会这样做(假设挖掘任务与分类相关)，除非元组有多个属性缺失值，否则这种方法不是很有效。当属性的缺失值百分比变化很大时，其性能特别差。

　　2.手动填写缺少的值。

　　一般来说，这种方法耗时较长。当数据集很大且缺少很多值时，这种方法可能无法实现。

　　3.用全局常量填充缺少的值。

　　用相同的常数替换缺失的属性值(如Unknown或负数)。如果缺失值全部替换为未知，挖掘程序可能会认为形成了一个有趣的概念。因为同值，未知。因此，这种方法简单，但不可靠。

　　4.使用与给定元组相同类型的所有样本的属性平均值。

　　5.用最可能的值填充缺失的值。

　　它可以通过回归、贝叶斯形式化的基于推理的工具和决策树的总结来确定。

　　实例

　　importnumpyasnp

　　fromsk learn . preprocessingimportimputer

　　imp=inputr(missing _ values= NaN ，strategy=mean ，axis=0)

　　importnumpyasnp

　　fromsk learn . preprocessingimportimputer

　　###1.用平均值填充缺失的值

　　imp=inputr(missing _ values= NaN ，strategy=mean ，axis=0)

　　imp.fit([[1，2]，[np.nan，3]，[7，6]])

　　x=[[名词，2]，[6，名词，7，6]]

　　print(imp.transform(X))

　　[[4.2.]

　　[6.3.66666667]

　　[7.6.]]以上是python缺失值的解决方法。希望对你有帮助。更多python学习方向：Python基础课程

　　本教程运行环境：windows7系统，Python 3.9.1，DELL G3电脑。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。