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])