Sklearn 有專門處理缺失值的模塊 sklearn.impute.SimpleImputer，本文將探究如何用 Sklearn 中的預處理模塊中的 Impute.SimpleImputer 處理缺失值。

一、模塊介紹

官網(wǎng)詳解在 part 6.4 Imputation of missing values：https://scikit-learn.org/stable/modules/impute.html

二、示例應用

接下來將用實例來講解如何使用填補缺失值：

1）數(shù)據(jù)來源及數(shù)據(jù)基本信息

import pandas as pd
import numpy as np
data=pd.read_csv("C:\\Users\\DRF\\Desktop\\tatanic\\datasets\\train.csv",index_col=0)
data.head()
data.info()

數(shù)據(jù)概要：實例使用的是泰坦尼克號數(shù)據(jù)集，查看數(shù)據(jù)集基本信息，發(fā)現(xiàn)Age、Cabin、Embarkde這三個字段均有數(shù)據(jù)缺失。其中Cabin缺失687條，Age缺失177條，Embarked缺少2條數(shù)據(jù)。下面示例應用將以填充數(shù)據(jù)集的[Age]字段為例。

2）缺失值處理應用

1、均值填充

age=data['Age'].values.reshape(-1,1)  #取出缺失值所在列的數(shù)值，sklearn當中特征矩陣必須是二維才能傳入 使用reshape(-1,1)升維

from sklearn.impute import SimpleImputer #導入模塊
imp_mean=SimpleImputer(missing_values=np.nan,strategy='mean')  #實例化，均值填充
imp_mean=imp_mean.fit_transform(age)     #fit_transform一步完成調(diào)取結(jié)果

data['Age']=imp_mean       #填充好的數(shù)據(jù)傳回到 data['Age']列

data['Age'].isnull().sum() #檢驗是否還有空值，為0即說明空值均已被填充

2、中值填充

age=data['Age'].values.reshape(-1,1)         #取出缺失值所在列的數(shù)值，sklearn當中特征矩陣必須是二維才能傳入 使用reshape(-1,1)升維

from sklearn.impute import SimpleImputer     #導入模塊
imp_median=SimpleImputer(missing_values=np.nan,strategy='median')    #實例化，中值填充
imp_median=imp_median.fit_transform(age)     #fit_transform一步完成調(diào)取結(jié)果

data['Age']=imp_median       #填充好的數(shù)據(jù)傳回到 data['Age']列

data['Age'].isnull().sum()   #檢驗是否還有空值，為0即說明空值均已被填充

3、眾數(shù)填充

age=data['Age'].values.reshape(-1,1)  #取出缺失值所在列的數(shù)值，sklearn當中特征矩陣必須是二維才能傳入 使用reshape(-1,1)升維

from sklearn.impute import SimpleImputer #導入模塊
imp_most_frequent=SimpleImputer(missing_values=np.nan,strategy='most_frequent')  #實例化，眾數(shù)填充
imp_most_frequent=imp_most_frequent.fit_transform(age)     #fit_transform一步完成調(diào)取結(jié)果

data['Age']=imp_most_frequent       #填充好的數(shù)據(jù)傳回到 data['Age']列

data['Age'].isnull().sum()          #檢驗是否還有空值，為0即說明空值均已被填充

4、常數(shù)填充（填充0，填充1等常數(shù)）

age=data['Age'].values.reshape(-1,1)  #取出缺失值所在列的數(shù)值，sklearn當中特征矩陣必須是二維才能傳入 使用reshape(-1,1)升維

from sklearn.impute import SimpleImputer       #導入模塊
imp_0=SimpleImputer(missing_values=np.nan,strategy='constant',fill_value=0)  #實例化，填充常數(shù)0，填充常數(shù)需strategy與fill_value一同使用
imp_0=imp_0.fit_transform(age)     #fit_transform一步完成調(diào)取結(jié)果

data['Age']=imp_0                   #填充好的數(shù)據(jù)傳回到 data['Age']列

data['Age'].isnull().sum()          #檢驗是否還有空值，為0即說明空值均已被填充