Python大数据分析与挖掘实战课件 5-7.缺失值处理.pptxVIP

第5章数据预处理与特征工程单变量插值填充多变量插值填充K最近邻填充

单变量插值填充第5章在数据处理过程中，缺失值是常见的，需要对其进行处理。Pandas包中的fillna()函数并没有充分利用数据集中的信息。这里介绍scikit-learn包中能充分利用数据信息的3种常用填充方法，即均值填充、中位数填充和最频繁值填充。注意填充方式主要是按列填充均值填充：对某列中的所有缺失值用该列中非缺失部分的值的平均值来表示；中位数填充：取某列中非缺失部分的值的中位数来表示缺失值。最频繁值填充：取某列中非缺失部分的值出现频次最多的值来表示缺失值。（常用于分类型或离散型变量）

单变量插值填充第5章（1）导入数据预处理中的填充模块SimpleImputerfromsklearn.imputeimportSimpleImputer（2）利用SimpleImputer创建填充对象impimp=SimpleImputer(missing_values=np.nan,strategy=mean)参数说明如下：strategy：均值（mean）、中位数（median）、最频繁值（most_frequent）（3）调用填充对象imp中的fit()拟合方法，对待填充数据进行拟合训练。imp.fit(Data)#Data为待填充数据集变量（4）调用填充