Python sklearn SimpleImputer用法及代码示例

本文简要介绍python语言中 sklearn.impute.SimpleImputer 的用法。

用法:

class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, verbose=0, copy=True, add_indicator=False)

用于完成缺失值的插补转换器。

在用户指南中阅读更多信息。

参数：

missing_values：int、float、str、np.nan 或 None，默认=np.nan

缺失值的占位符。所有出现的missing_values 都将被估算。对于带有缺失值的可空整数 dtype 的 pandas 数据帧，应将 missing_values 设置为 np.nan ，因为 pd.NA 将转换为 np.nan 。

strategy：str，默认='平均值'

插补策略。

• 如果“mean”，则使用每列的平均值替换缺失值。只能用于数值数据。
• 如果“median”，则使用沿每列的中值替换缺失值。只能用于数值数据。
• 如果“most_frequent”，则使用每列中出现频率最高的值替换缺失值。可用于字符串或数字数据。如果有多个这样的值，则只返回最小值。
• 如果“constant”，则用fill_value 替换缺失值。可用于字符串或数字数据。

fill_value：str 或数值，默认=None

当 strategy == “constant” 时，fill_value 用于替换所有出现的 missing_values。如果保留默认值，则在输入数值数据时fill_value 将为 0，而对于字符串或对象数据类型，“missing_value” 将为。

verbose：整数，默认=0

控制 imputer 的详细程度。

copy：布尔，默认=真

如果为 True，将创建 X 的副本。如果为 False，则将尽可能就地进行插补。请注意，在以下情况下，将始终制作新副本，即使 copy=False ：

• 如果X 不是浮点值数组；
• 如果X被编码为CSR矩阵；
• 如果 add_indicator=True 。

add_indicator：布尔，默认=假

如果为真， MissingIndicator 变换将叠加到 imputer 变换的输出上。这允许预测估计器解释缺失，尽管有插补。如果某个特征在拟合/训练时没有缺失值，则即使在变换/测试时存在缺失值，该特征也不会出现在缺失指示器上。

属性：

statistics_：形状数组(n_features，)

每个特征的插补填充值。计算统计数据可能会产生np.nan 值。在transform期间，与np.nan统计对应的特征将被丢弃。

indicator_：sklearn.impute.MissingIndicator

用于为缺失值添加二元指标的指标。 None 如果 add_indicator=False 。

n_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

注意：

如果策略不是 "constant" ，则仅在 fit 处包含缺失值的列将在 transform 上被丢弃。

例子：

>>> import numpy as np
>>> from sklearn.impute import SimpleImputer
>>> imp_mean = SimpleImputer(missing_values=np.nan, strategy='mean')
>>> imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])
SimpleImputer()
>>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]]
>>> print(imp_mean.transform(X))
[[ 7.   2.   3. ]
 [ 4.   3.5  6. ]
 [10.   3.5  9. ]]