由于 CSV 文件中的缺失值，无法拟合线性多元回归 model

Question

我正在尝试使用多个变量执行线性回归 model。 我有一个 CSV 文件，其属性为： 'area', 'bedrooms', 'age', 'price' ，但卧室有一个缺失值（即NaN ）。 我想拟合 model 并通过提供其他三个属性来预测价格，但由于一个缺失值，我显示错误input contains nan infinity or a value too large for dtype('float64') 。 我找到了中位数并填写了缺失值，但是在 CSV 文件中，它没有被替换并在拟合 model 时出现错误。 CSV文件如下：

我使用了以下代码：

df=pd.read_csv(r"C:\Users\rohit\Desktop\homeprices4.csv")

df

m=math.floor(df.bedrooms.median()) // m is median which I have calculated

m

df.bedrooms.fillna(m)

reg=linear_model.LinearRegression()

reg.fit(df[['area','bedrooms','age']],df.price)

在这一行之后，我收到了错误，因为卧室有一个缺失值。 如果我从这条线上删除bedrooms并仅使用area和age进行预测，那么没有错误，我得到了正确的结果。

所以我的问题是：如何用 CSV 文件中的中位数替换缺失值？ 代码是什么？ 为什么我收到错误消息？

查看错误的屏幕截图：

Answer 1

您的帖子中有两个问题：

1. 您的更改不会保存到 dataframe，因为除非在 arguments 中传递 inplace inplace=True ，否则fillna将返回一个副本。 这就是为什么您仍然会收到错误消息的原因。
2. 要保存对 CSV 的更改，您需要使用DataFrame.to_csv(...) ，但鉴于我之前的观点，您可能不需要这个。

我会通过数据清理步骤丰富您的管道并保存清理后的数据。 我会做两个单独的脚本。

数据清洗：

path_raw_data= r"C:\Users\rohit\Desktop\homeprices4.csv"
path_clean_data= r"C:\Users\rohit\Desktop\homeprices4_clean.csv"
df=pd.read_csv(path_raw_data)
m=math.floor(df.bedrooms.median()) // m is median which I have calculated
df.bedrooms.fillna(m, inplace=True)
df.to_csv(path_clean_data)

线性回归：

path_clean_data= r"C:\Users\rohit\Desktop\homeprices4_clean.csv"
df=pd.read_csv(path_clean_data)
reg=linear_model.LinearRegression()
reg.fit(df[['area','bedrooms','age']],df.price)