解決方法

為巴彥淖爾等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及巴彥淖爾網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為網(wǎng)站建設(shè)、成都做網(wǎng)站、巴彥淖爾網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！

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、人工填寫缺失值。

一般來說，這種方法需要很長時(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))替換。如果缺失值都是用unknown替換的話，挖掘程序可能會認(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。

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

實(shí)例

import numpy as np
 
from sklearn.preprocessing import Imputer
 
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
 
import numpy as np
from 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.        ]]

以上就是python缺失值的解決方法，希望對大家有所幫助。更多Python學(xué)習(xí)指路：創(chuàng)新互聯(lián)Python教程

本文教程操作環(huán)境：windows7系統(tǒng)、Python 3.9.1，DELL G3電腦。

網(wǎng)站欄目：創(chuàng)新互聯(lián)Python教程：python缺失值的解決方法
網(wǎng)站網(wǎng)址：http://uogjgqi.cn/article/cdopsjs.html