如何解決python缺失值的問題

這篇文章主要介紹如何解決python缺失值的問題，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

在濱江等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供網(wǎng)站設(shè)計制作、成都網(wǎng)站設(shè)計 網(wǎng)站設(shè)計制作按需求定制制作,公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),成都品牌網(wǎng)站建設(shè),網(wǎng)絡(luò)營銷推廣,成都外貿(mào)網(wǎng)站制作,濱江網(wǎng)站建設(shè)費用合理。

1、解決方法

（1）忽視元組。

缺少類別標簽時，通常這樣做(假設(shè)挖掘任務(wù)與分類有關(guān))，除非元組有多個屬性缺失值，否則該方法不太有效。當(dāng)個屬性缺值的百分比變化很大時，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間，當(dāng)數(shù)據(jù)集大且缺少很多值時，這種方法可能無法實現(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或負無限)替換。如果缺失值都是用unknown替換的話，挖掘程序可能會認為形成有趣的概念。因為有同樣的價值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。

2、實例

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.        ]]

以上是“如何解決python缺失值的問題”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

網(wǎng)頁題目：如何解決python缺失值的問題
標題鏈接：http://bm7419.com/article48/psdeep.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、動態(tài)網(wǎng)站、全網(wǎng)營銷推廣、網(wǎng)站設(shè)計、網(wǎng)頁設(shè)計公司、云服務(wù)器

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)