如果sklearn的輸入向量中缺少列中的所有值，則Imputer如何工作

Question

我有一個包含大量列的數據集，我以這樣一種方式對應用程序進行了編程：如果缺少給定列的任何值，則將使用均值作為不合理策略填充不合理值。

但是，令我有些擔心的是，如果缺少整列的所有值，那么不完美的人將如何執行？在這種情況下，正確的方法是什么？

Answer 1

如果在給定的列中缺少所有數據，則Imputer將丟棄該列。

這是一個示例，包含4個樣本和2列，其中一個樣本具有缺失值：

X = np.array([[1,1],[1,2],[1,1],[1,2],[1,np.nan]])
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)
print(imputer.fit_transform(X))

打印出來

 [[ 1.   1. ]
 [ 1.   2. ]
 [ 1.   1. ]
 [ 1.   2. ]
 [ 1.   1.5]]

但是，如果缺少第二列中的所有數據：

X = np.array([[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan],[1,np.nan]])
imputer = Imputer(missing_values='NaN', strategy='mean', axis=0)
print(imputer.fit_transform(X))

我們獲得：

[[ 1.]
 [ 1.]
 [ 1.]
 [ 1.]
 [ 1.]]

在這種情況下，此默認行為可能是正確的方法，因為無論如何都無法使用此列（ 即此功能）。