用scikit-learn输入法预测缺失值

Question

我正在编写一个非常基本的程序，使用scikit learn的inputer类预测数据集中丢失的值。

我制作了一个NumPy数组，用strategy='mean'创建了一个输入对象，并对NumPy数组执行了fit_transform（）。

当我在执行fit_transform（）后打印数组时，“Nan”将保留，并且我不会得到任何预测。

我在这里做错什么了？如何预测丢失的值？

import numpy as np
from sklearn.preprocessing import Imputer

X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])

print X

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)

print X

Answer 1

由于新数组是从transform函数返回的，因此，我必须将其存储在同一个数组（X）中以更改值

 from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])

Answer 2

每the documentation，sklearn.preprocessing.Imputer.fit_transform返回一个新数组，它不会改变参数数组。因此，最小的解决方案是：

X = imp.fit_transform(X)

Answer 3

scikit learn version 0.20之后使用更改的输入模块。所以我们现在用的是不纯的

from sklearn.impute import SimpleImputer
impute = SimpleImputer(missing_values=np.nan, strategy='mean')
impute.fit(X)
X=impute.transform(X)

注意：

不使用“NaN”，而是使用“np.NaN”

不需要使用轴参数

我们可以使用imp或输入代替我的impute变量