IndexError：數組的索引太多，同時處理丟失的數據

Question

我知道之前在 SO 上已經多次問過同樣的問題，但我真的是 Python 和機器學習的新手，在嘗試了很多次沒有結果之后，我終於把它貼在這里。 所以如果可能的話，請原諒我提出這樣的問題。

我有一個這樣的數據集，csv格式

YearsExperience        Salary
1.1                    39343
1.3                    46205
1.5                    37731
2                      43525
2.2                    
2.9                    56642

正如你在經驗 2.2 中看到的，工資數據丟失了，我試圖用均值來填充它，並執行如下操作

import numpy as np
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Salary_Data.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 1].values

#taking care of missing data
#substitue missing value with the mean
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)
imputer = imputer.fit(y[:,0:1])
y[:,0:1] = imputer.transform(y[:,0:1]);

它給了我

IndexError: too many indices for array

但是，如果X Like 中缺少某些東西

YearsExperience        Salary
1.1                    39343
1.3                    46205
1.5                    37731
2                      43525
                       39891
2.9                    56642

如果我執行以下操作，它會自動用mean替換缺失值

from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)
imputer = imputer.fit(X[:,0:1])
X[:,0:1] = imputer.transform(X[:,0:1]);

Answer 1

您的代碼失敗的平均原因是因為y是具有形狀的一維數組 -

X = df.iloc[:, :-1].values
y = df.iloc[:, 1].values

y.shape
(6,)

因此，在一維數組上調用y[:, 0:1]是無效的操作 -

y[:,0:1]
IndexError: too many indices for array

相反，你應該做的是初始化y如此 -

y = df.iloc[:, -1:].values

這將使y成為一列的二維數組，從而解決問題。

---

imputer接受具有單列的二維數組，並返回形狀相似的結果。 切片一個單列數據幀，並將其傳遞給imputer.fit_transform ，它在一個步驟中執行擬合和轉換 -

df['Salary'] = imputer.fit_transform(df[['Salary']]).ravel()
df

   YearsExperience   Salary
0              1.1  39343.0
1              1.3  46205.0
2              1.5  37731.0
3              2.0  43525.0
4              2.2  44689.2
5              2.9  56642.0