Sklearn SimpleImputer策略常数vs fillna？

Question

使用sklearn SimpleImputer策略常量和使用fillna（值）有什么区别？ 例如：SimpleImputer(missing_values=np.nan, strategy='constant', fill_value = 0)vsdf.fillna(0) 即使对于strategy=mean，我们也可以使用df.fillna(df.mean)。 使用simpleImputer，我们仍然需要调整数据帧和更多行。 fillna是短代码。 当我们需要使用simpleImputer而不是fillna时是什么情况？simpleImputer更快吗

Answer 1

我认为：两者都是用来填充缺失的值。如果项目中没有使用pandas，那么SimpleImputer是一个很好的选择，因为它是一个内置的sklearn功能

• SimpleImputer有更好的选项，如median和most-frequent
• df.fillna()是最常用的，可用于复杂场景

• 未测试性能

Answer 2

我认为，当您试图部署模型时，使用sklearn在数据集上拥有一个转换管道会更干净。在训练或推断之前，您甚至可以将数据集上的所有转换添加到一个漂亮的管道包装器中，例如^{}对象。如果使用sklearn实现，以后集成和调试会更容易