[英]Scikit-learn Imputer with multiple values
有沒有辦法讓 Scikit-learn Imputer 查找並替換被認為是“缺失值”的多個值?
例如,我想做類似的事情
imp = Imputer(missing_values=(7,8,9))
但是根據文檔,missing_values 參數只接受一個 integer:
missing_values:integer 或“NaN”,可選(默認=“NaN”)
缺失值的占位符。 所有出現的 missing_values 都將被估算。 對於編碼為 np.nan 的缺失值,使用字符串值“NaN”。
為什么不在您的原始數據集中手動執行此操作? 假設您使用的是pd.DataFrame
,您可以執行以下操作:
import numpy as np
import pandas as pd
from sklearn.preprocessing import Imputer
df = pd.DataFrame({'A': [1, 2, 3, 8], 'B': [1, 2, 5, 3]})
df_new = df.replace([1, 2], np.nan)
df_imp = Imputer().fit_transform(df_new)
這導致df_imp
:
array([[ 5.5, 4. ],
[ 5.5, 4. ],
[ 3. , 5. ],
[ 8. , 3. ]])
如果你想讓它成為管道的一部分,你只需要實現一個具有類似邏輯的自定義轉換器。
您可以在管道中鏈接多個輸入器,但這可能很快就會變得繁忙,我不確定它的效率如何。
pipeline = make_pipeline(
SimpleImputer(missing_values=7, strategy='constant', fill_value=10),
SimpleImputer(missing_values=8, strategy='constant', fill_value=10),
SimpleImputer(missing_values=9, strategy='constant', fill_value=10)
)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.