请选择 进入手机版 | 继续访问电脑版
查看: 1837|回复: 0

sklearn.preprocessing.Imputer

[复制链接]

665

主题

1234

帖子

6561

积分

xdtech

Rank: 5Rank: 5

积分
6561
发表于 2019-9-9 22:32:05 | 显示全部楼层 |阅读模式

填补缺失值:sklearn.preprocessing.Imputer(missing_values=’NaN’, strategy=’mean’, axis=0, verbose=0, copy=True)

主要参数说明:

missing_values:缺失值,可以为整数或NaN(缺失值numpy.nan用字符串‘NaN’表示),默认为NaN

strategy:替换策略,字符串,默认用均值‘mean’替换

①若为mean时,用特征列的均值替换

②若为median时,用特征列的中位数替换

③若为most_frequent时,用特征列的众数替换

axis:指定轴数,默认axis=0代表列,axis=1代表行

copy:设置为True代表不在原数据集上修改,设置为False时,就地修改,存在如下情况时,即使设置为False时,也不会就地修改

①X不是浮点值数组

②X是稀疏且missing_values=0

③axis=0且X为CRS矩阵

④axis=1且X为CSC矩阵

statistics_属性:axis设置为0时,每个特征的填充值数组,axis=1时,报没有该属性错误

以X为数组为例:

  • In [1]: import numpy as np


  •    ...: from sklearn.preprocessing import Imputer


  •    ...: train_X = np.array([[1, 2], [np.nan, 3], [7, 6]])


  •    ...: imp = Imputer(missing_values=np.nan , strategy='mean', axis=0)


  •    ...: imp.fit(train_X)


  •    ...:


  • Out[1]: Imputer(axis=0, copy=True, missing_values=nan, strategy='mean', verbose=


  • 0)





  • In [2]: imp.statistics_


  • Out[2]: array([ 4.        ,  3.66666667])





  • In [3]: test_X = np.array([[np.nan, 2], [6, np.nan], [7, 6]])


  •    ...: imp.transform(test_X)


  •    ...:


  • Out[3]:


  • array([[ 4.        ,  2.        ],


  •        [ 6.        ,  3.66666667],


  •        [ 7.        ,  6.        ]])





  • In [4]: imp.fit_transform(test_X)


  • Out[4]:


  • array([[ 6.5,  2. ],


  •        [ 6. ,  4. ],


  •        [ 7. ,  6. ]])





  • In [5]: imp.statistics_


  • Out[5]: array([ 6.5,  4. ])

以X为稀疏矩阵为例:



  • In [6]: import scipy.sparse as sp


  •    ...: from sklearn.preprocessing import Imputer


  •    ...: X = sp.csc_matrix([[1, 2], [0, 3], [7, 6]])


  •    ...: imp = Imputer(missing_values = 0 , strategy = 'mean',axis=0)


  •    ...: imp.fit(X)


  •    ...: test_X = sp.csc_matrix([[0, 2], [6, 0], [7, 6]])


  •    ...: imp.transform(test_X)


  •    ...:


  • Out[6]:


  • array([[ 4.        ,  2.        ],


  •        [ 6.        ,  3.66666667],


  •        [ 7.        ,  6.        ]])





  • In [7]: imp.statistics_


  • Out[7]: array([ 4.        ,  3.66666667])


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表