housing數據集中的total_bedrooms有部分缺失，對于缺失值，通常我們有以下幾種方式處理：

• 放棄有缺失值的樣本
• 放棄整個特征
• 將缺失值設置為某個默認值：0、平均值、中位數等。

pandas方式

通過DataFrame的dropna(), drop()和fillna()函數，可以方便的實現以上3個功能：

housing.dropna(subset=['total_bedrooms']) housing.info()housing.drop('total_bedrooms', axis = 1) housing.info()median = housing['total_bedrooms'].median() housing['total_bedrooms'].fillna(median,inplace=True) housing.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 20640 entries, 0 to 20639 Data columns (total 10 columns):# Column Non-Null Count Dtype --- ------ -------------- ----- 0 longitude 20640 non-null float641 latitude 20640 non-null float642 housing_median_age 20640 non-null float643 total_rooms 20640 non-null float644 total_bedrooms 20640 non-null float645 population 20640 non-null float646 households 20640 non-null float647 median_income 20640 non-null float648 median_house_value 20640 non-null float649 ocean_proximity 20640 non-null object dtypes: float64(9), object(1) memory usage: 1.6+ MB

sklearn方式

使用pandas方式需要對每個屬性進行處理，我們使用sklearn來批量處理整個數據集的所有屬性。

sklearn提供了一個非常容易上手的類來處理缺失值：Simpleimputer。同時，由于中位數只能在數值類屬性上計算，所以我們需要創建一個沒有文本屬性ocean_proximity的數據副本：

from sklearn.impute import SimpleImputer imputer = SimpleImputer(strategy = 'median') housing_num = housing.drop('ocean_proximity', axis=1)# fit、transform，然后轉換回DataFrame imputer.fit(housing_num) X = imputer.transform(housing_num) housing_num_pd = pd.DataFrame(X, columns=housing_num.columns, index=housing_num.index)

我們可以看一下各個屬性的中位數：

print(imputer.statistics_) print(housing_num.median().values) [-1.1849e+02 3.4260e+01 2.9000e+01 2.1270e+03 4.3500e+02 1.1660e+034.0900e+02 3.5348e+00 1.7970e+05] [-1.1849e+02 3.4260e+01 2.9000e+01 2.1270e+03 4.3500e+02 1.1660e+034.0900e+02 3.5348e+00 1.7970e+05]

總結

以上是生活随笔為你收集整理的sklearn与pandas的缺失值处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。