您现在的位置是:课程教程文章

python缺失值的解决方法

2023-12-14 20:39课程教程文章 人已围观

解决方法

1、忽视元组。

缺少类别标签时,通常这样做(假设挖掘任务与分类有关),除非元组有多个属性缺失值,否则该方法不太有效。当个属性缺值的百分比变化很大时,其性能特别差。

2、人工填写缺失值。

一般来说,这种方法需要很长时间,当数据集大且缺少很多值时,这种方法可能无法实现。

3、使用全局常量填充缺失值。

将缺失的属性值用同一常数(如Unknown或负)替换。如果缺失值都是用unknown替换的话,挖掘程序可能会认为形成有趣的概念。因为有同样的价值unknown。因此,这种方法很简单,但不可靠。

4、使用与给定元组相同类型的所有样本的属性平均值。

5、使用最可能的值填充缺失值。

可以通过回归、使用贝叶斯形式化的基于推理的工具和决策树的总结来决定。

实例

importnumpyasnp

fromsklearn.preprocessingimportImputer

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

importnumpyasnp
fromsklearn.preprocessingimportImputer

###1.使用均值填充缺失值
imp=Imputer(missing_values='NaN',strategy='mean',axis=0)
imp.fit([[1,2],[np.nan,3],[7,6]])

X=[[np.nan,2],[6,np.nan],[7,6]]
print(imp.transform(X))
[[4.2.]
[6.3.66666667]
[7.6.]]

以上就是python缺失值的解决方法,希望对大家有所帮助。更多Python学习指路:python基础教程

本文教程操作环境:windows7系统、Python 3.9.1,DELL G3电脑。

课程教程:python缺失值的解决方法

上一篇:java状态模式的特点

下一篇:没有了

站点信息

  • 文章统计篇文章