文章目录

  • ​​✌ 填补缺失值​​
  • ​​1、✌ 导入相关库​​
  • ​​2、✌ 创建数据​​
  • ​​3、✌ 利用Pandas填补数据​​
  • ​​4、✌ sklearn库填补​​
  • ​​5、✌ 利用模型预测​​

✌ 填补缺失值

1、✌ 导入相关库

import pandas as pd
import numpy as np

from sklearn.impute import SimpleImputer
from sklearn.ensemble import RandomForestRegressor

2、✌ 创建数据

x=np.random.randint(1,100,(10000,5))
y=np.random.randint(1,10,10000)
rows=np.random.randint(0,1000,20)
cols=np.random.randint(0,5,20)
x=pd.DataFrame(x)
x.iloc[rows,cols]=np.nan

Python 填补缺失值 Pandas SimpleImputer 随机森林模型 （机器学习）_人工智能

3、✌ 利用Pandas填补数据

x1=x.copy()
for i in x1.columns:
    x1[x1.isnull()]=x1[i].mean()
x1.isnull().sum()

Python 填补缺失值 Pandas SimpleImputer 随机森林模型 （机器学习）_人工智能_02

4、✌ sklearn库填补

from sklearn.impute import SimpleImputer
sim=SimpleImputer(missing_values=np.nan,strategy='constant',fill_value=0)
x2=x.copy()
x2=sim.fit_transform(x2)
pd.DataFrame(x2).isnull().sum()

Python 填补缺失值 Pandas SimpleImputer 随机森林模型 （机器学习）_python_03

5、✌ 利用模型预测

from sklearn.ensemble import RandomForestRegressor  

x3= x.copy()
sortindex = np.argsort(x3.isnull().sum(axis=0)).values
for i in sortindex:
    #构建我们的新特征矩阵和新标签
    df = x3
    fillc = df.iloc[:,i]
    df = pd.concat([df.iloc[:,df.columns != i],pd.DataFrame(y)],axis=1)
    #在新特征矩阵中，对含有缺失值的列，进行0的填补
    df_0 =SimpleImputer(missing_values=np.nan,
                        strategy='constant',
                        fill_value=0).fit_transform(df)
    #找出我们的训练集和测试集
    y_train = fillc[fillc.notnull()]
    y_test = fillc[fillc.isnull()]
    x_train = df_0[y_train.index,:]
    x_test = df_0[y_test.index,:]
    clf = RandomForestRegressor(n_estimators=100)
    clf = clf.fit(x_train, y_train)
    y_pred = clf.predict(x_test)
    #将填补好的特征返回到我们的原始的特征矩阵中
    x3.loc[x3.iloc[:,i].isnull(),i] = y_pred
x3.isnull().sum()

Python 填补缺失值 Pandas SimpleImputer 随机森林模型 （机器学习）_python_04