python - 处理丢失的分类数据python

Question

我有一个 csv 文件，我正在准备使用不同的机器学习算法来训练它的数据，因此我用该列的平均值替换了数字缺失数据，但是如何处理缺失的分类数据，我应该替换它们具有最频繁的元素？以及为什么在 python 中使用 pandas 执行此操作最简单的原因是什么。

代码:

dataset = pd.read_csv('doc.csv')
X = dataset.iloc[:, [2, 4, 5, 6, 7, 9,10 ,11]].values
y = dataset.iloc[:, -1].values

第 2 行包含分类数据。

第一行值:

[3, 'S', 22.0, 1, 0, 7.25, 107722, 2]

Answer 1

关于您问题的建模部分，您最好在 CrossValidated 处提问。 。 如果有太多缺少数据的记录，您可以完全删除该列。 this StackOverflow post上还有一些其他很好的建议，包括 sci-kit learn 的 Imputer()方法，或者只是让模型处理丢失的数据。

关于替换列，请查看 DataFrame.replace() 方法

DataFrame.replace(
        to_replace=None,
        value=None,
        inplace=False,
        limit=None,
        regex=False, 
        method='pad',
        axis=None)

此数据集的用法示例，假设缺失的列值称为“N”，并且您将它们替换为其他类别“S”(您使用 DataFrame.mode() 方法找到的):数据集[1].replace('N', 'S').