2024-04-23 10:26:15 发布
网友
for col in cols_with_missing: imputed_X_train_plus[col + '_was_missing'] = imputed_X_train_plus[col].isnull() imputed_X_test_plus[col + '_was_missing'] = imputed_X_test_plus[col].isnull()
是什么
imputed_X_train_plus[col + '_was_missing']
什么意思?你知道吗
我要编造一些数据来说明。考虑
import numpy as np import pandas as pd imputed_X_train_plus = pd.DataFrame({'joe': [3, np.nan], 'nick': [np.nan, 6], 'fred': [1, 7]})
此时,imputed_X_train_plus是具有NaN值的数据帧。你知道吗
imputed_X_train_plus
joe nick fred 0 3.0 NaN 1 1 NaN 6.0 7
假设您知道哪些列缺少值。它们在cols_with_missing中。你知道吗
cols_with_missing
cols_with_missing = ['joe', 'nick']
现在您要标记出那些缺少的值。你也是
for col in cols_with_missing: imputed_X_train_plus[col +'_was_missing'] = imputed_X_train_plus[col].isnull()
现在你有了imputed_X_train_plus般的
joe nick fred joe_was_missing nick_was_missing 0 3.0 NaN 1 False True 1 NaN 6.0 7 True False
总之,col + '_was_missing'创建了一个新的str(如joe_was_missing),用于插入imputed_X_train_plus的新列名。你知道吗
col + '_was_missing'
str
joe_was_missing
我要编造一些数据来说明。考虑
此时,
imputed_X_train_plus
是具有NaN值的数据帧。你知道吗假设您知道哪些列缺少值。它们在
cols_with_missing
中。你知道吗现在您要标记出那些缺少的值。你也是
现在你有了
imputed_X_train_plus
般的总之,
col + '_was_missing'
创建了一个新的str
(如joe_was_missing
),用于插入imputed_X_train_plus
的新列名。你知道吗相关问题 更多 >
编程相关推荐