（1）忽視元組。

缺少類別標(biāo)簽時(shí)，通常這樣做(假設(shè)挖掘任務(wù)與分類有關(guān))，除非元組有多個(gè)屬性缺失值，否則該方法不太有效。當(dāng)個(gè)屬性缺值的百分比變化很大時(shí)，其性能特別差。

（2）人工填寫(xiě)缺失值。

一般來(lái)說(shuō)，這種方法需要很長(zhǎng)時(shí)間，當(dāng)數(shù)據(jù)集大且缺少很多值時(shí)，這種方法可能無(wú)法實(shí)現(xiàn)。

（3）使用全局常量填充缺失值。

將缺失的屬性值用同一常數(shù)(如Unknown或負(fù)無(wú)限)替換。如果缺失值都是用unknown替換的話，挖掘程序可能會(huì)認(rèn)為形成有趣的概念。因?yàn)橛型瑯拥膬r(jià)值unknown。因此，這種方法很簡(jiǎn)單，但不可靠。

（4）使用與給定元組相同類型的所有樣本的屬性平均值。

（5）使用最可能的值填充缺失值。

可以通過(guò)回歸、使用貝葉斯形式化的基于推理的工具和決策樹(shù)的總結(jié)來(lái)決定。

import numpy as np from sklearn.preprocessing import Imputer imp = Imputer(missing_values=’NaN’, strategy=’mean’, axis=0) import numpy as npfrom sklearn.preprocessing import Imputer ###1.使用均值填充缺失值imp = Imputer(missing_values=’NaN’, strategy=’mean’, axis=0)imp.fit([[1, 2], [np.nan, 3], [7, 6]]) X = [[np.nan, 2], [6, np.nan], [7, 6]]print(imp.transform(X)) [[4. 2.] [6. 3.66666667] [7. 6.]]

知識(shí)點(diǎn)擴(kuò)充：

缺失值的處理方法

由于各種各樣的原因，真實(shí)世界中的許多數(shù)據(jù)集都包含缺失數(shù)據(jù)，這些數(shù)據(jù)經(jīng)常被編碼成空格、nans或者是其他的占位符。但是這樣的數(shù)據(jù)集并不能被scikit - learn算法兼容，因?yàn)榇蠖鄶?shù)的學(xué)習(xí)算法都會(huì)默認(rèn)數(shù)組中的元素都是數(shù)值，因此素偶有的元素都有自己的代表意義。

使用不完整的數(shù)據(jù)集的一個(gè)基本策略就是舍棄掉整行或者整列包含缺失值的數(shù)值，但是這樣處理會(huì)浪費(fèi)大量有價(jià)值的數(shù)據(jù)。下面是處理缺失值的常用方法：

1.忽略元組

當(dāng)缺少類別標(biāo)簽時(shí)通常這樣做（假定挖掘任務(wù)涉及分類時(shí)），除非元組有多個(gè)屬性缺失值，否則該方法不是很有效。當(dāng)每個(gè)屬性缺少值的百分比變化很大時(shí)，它的性能特別差。

2.人工填寫(xiě)缺失值

一般該方法很費(fèi)時(shí)，并且當(dāng)數(shù)據(jù)集很大，缺少很多值時(shí)，該方法可能行不通。

3.使用一個(gè)全局常量填充缺失值

將缺失的屬性值用同一個(gè)常數(shù)(如“Unknown”或 負(fù)無(wú)窮)替換。如果缺失值都用“unknown”替換，則挖掘程序可能會(huì)認(rèn)為它們形成一個(gè)有趣的概念，因?yàn)樗鼈兌季哂邢嗤闹怠皍nknown”。因此，雖然該方法很簡(jiǎn)單，但是它十分不可靠。

4.使用與給定元組屬同一類的所有樣本的屬性均值

例如：將顧客按照credit_risk分類，則使用具有相同信用度的給定元組的顧客的平均收入替換income中的缺失值。

Python客棧送紅包、紙質(zhì)書(shū)

5.使用最可能的值填充缺失值

可以用回歸、使用貝葉斯形式化的基于推理的工具或決策樹(shù)歸納確定。例如，利用數(shù)據(jù)集中其他顧客的屬性，可以構(gòu)造一顆決策樹(shù)來(lái)預(yù)測(cè)income的缺失值。

到此這篇關(guān)于python缺失值的解決方法總結(jié)的文章就介紹到這了,更多相關(guān)如何解決python缺失值內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！