前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >缺失值的处理方法(基于sklearn)

缺失值的处理方法(基于sklearn)

作者头像
生信编程日常
发布2020-10-26 15:58:07
1.1K0
发布2020-10-26 15:58:07
举报
文章被收录于专栏:生物信息学、python、R、linux
1. 直接丢掉带有缺失值的行/列
代码语言:javascript
复制
reduced_X_train = X_train.dropna(axis = 1)
reduced_X_valid = X_valid.dropna(axis = 1)

axis = 1是丢掉列,axis = 0是丢掉行。

2. Imputation

Imputation就是用每一列的均值/中位数/最大频率的数等去补充缺失值。值得注意的是对于valid的数据而言,fit的时候仍然要用train的数据。strategy也可以修改为其他的方法。

代码语言:javascript
复制
from sklearn.impute import SimpleImputer

imp_mean = SimpleImputer(strategy='mean')
imputed_X_train = pd.DataFrame(imp_mean.fit_transform(X_train))
imputed_X_valid = pd.DataFrame(imp_mean.transform(X_valid))

imputed_X_train.columns = X_train.columns
imputed_X_valid.columns = X_valid.columns

以上方法来自与kaggle的机器学习课程

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. 直接丢掉带有缺失值的行/列
  • 2. Imputation
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档