缺失值处理

在日常的处理数据的时候，会遇到数据中某些地方没有值，也就是缺失了。

对于这种情况，一半有两种情况：删除和插补。

一般步建议删除。

 API：sklearn.preprocessing.Imputer

参数介绍:missing_value 表示缺失值是什么；strategy 表示填补的策略，是用均值还是中值等；axis表示按照行还是列填补。

注意：数据中的人缺失值必须为np.nan，不能为？或nan等。

可以用replace函数将缺失值转换为np.nan

上代码：

from sklearn.preprocessing import StandardScaler,Imputer
import numpy as np
def im():
    '''
    缺失值处理
    :return:
    '''
    im=Imputer(missing_values='NaN', strategy='mean', axis=0)
    data = im.fit_transform([[90,2,10,40],[np.nan,4,15,45],[75,3,13,46]])
    print(data)
if __name__ == '__main__':
    im()