python for i in range()用法（python缺失值的解决方法）

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