SimpleImputer 仍在 Pandas Dataframe 中返回 NaN 值

Question

我正在尝试创建线性回归 model 但首先我尝试使用 SimpleImputer 将 NaN 值替换为列均值。 运行代码后，仍然有 NaN 值。 我有以下代码：

# ########## Modeling ###########

# pipe model and SimpleImputer
model = make_pipeline(SimpleImputer(missing_values =np.nan, strategy='mean'),
                  LinearRegression())

# split the data into train/test:
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3,
                                               random_state=42)
# # print shape:
print("Training data is", X_train.shape)
print("Training target is", X_test.shape)
print("test data is", X_test.shape)
print("test target is", y_test.shape)
X_train

Answer 1

我意识到这是旧的，但我有一个类似的问题。 更改SimpleImputer(missing_values = None)对我有用！

Answer 2

SimpleImputer missing_values的缺失值应设置为np.nan （而不是代码中的NaN ）

NaN是一个字符串，而np.nan代表 null 值。

仅当 null 值表示为字符串NaN时，才应使用NaN

官方文档

缺失值：数字、字符串、np.nan（默认）或无

缺失值的占位符。 所有出现的缺失值都将被估算。 对于带有可空 integer dtypes 且缺失值的 pandas 数据帧，missing_values 应设置为 np.nan，因为 pd.NA 将转换为 np.nan。