SimpleImputer参数详解

class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, verbose=0, copy=True, add_indicator=False)

参数含义

• missing_values ： int , float , str , (默认) np.nan 或是 None , 即缺失值是什么。
• strategy ：空值填充的策略，共四种选择（默认） mean 、 median 、 most_frequent 、 constant 。 mean 表示该列的缺失值由该列的均值填充。 median 为中位数， most_frequent 为众数。 constant 表示将空值填充为自定义的值，但这个自定义的值要通过 fill_value 来定义。
• fill_value ： str 或 数值 ，默认为 Zone 。当 strategy == "constant" 时， fill_value 被用来替换所有出现的缺失值（ missing_values ）。 fill_value 为 Zone ，当处理的是数值数据时，缺失值（ missing_values ）会替换为 0 ，对于字符串或对象数据类型则替换为 "missing_value" 这一字符串。
• verbose ： int ，（默认） 0 ，控制 imputer 的冗长。
• copy ： boolean ，（默认） True ，表示对数据的副本进行处理， False 对数据原地修改。
• add_indicator ： boolean ，（默认） False ， True 则会在数据后面加入 n 列由 0 和 1 构成的同样大小的数据， 0 表示所在位置非缺失值， 1 表示所在位置为缺失值。

常用方法

fit(X)

返回值为 SimpleImputer() 类，通过 fit(X) 方法可以计算X矩阵的相关值的大小，以便填充其他缺失数据矩阵时进行使用。

transform(X)

填补缺失值，一般使用该方法前要先用 fit() 方法对矩阵进行处理。

from sklearn.impute import SimpleImputer
import numpy as np
X = np.array([[1, 2, 3],
             [4, 5, 6],
             [7, 8, 9]])
X1 = np.array([[1, 2, np.nan],
               [4, np.nan, 6],
               [np.nan, 8, 9]])





    
imp = SimpleImputer(missing_values=np.nan, strategy='mean')
imp.fit(X)
print(imp.transform(X1))
# 运行结果
[[1. 2. 6.]
 [4. 5. 6.]
 [4. 8. 9.]]
复制代码

由于 fit(X) 和 strategy='mean' ，所以填补值为X矩阵各列的均值。

fit_transform(X)

相当于 fit() + transform() ，一般使用的较多。

X1 = np.array([[1, 2, np.nan],
               [4, np.nan, 6],
               [np.nan, 8, 9]])
imp = SimpleImputer(missing_values=np.nan, strategy='mean')
print(imp.fit_transform(X1))
# 运行结果
[[1.  2.  7.5]
 [4.  5.  6. ]
 [2.5 8.  9. ]]
复制代码

get_params()

获取 SimpleImputer 参数信息。

imp = SimpleImputer(missing_values=np.nan, strategy='mean')
print(imp.get_params())
# 运行结果
{'add_indicator': False, 'copy': True, 'fill_value': None, 
'missing_values': nan, 'strategy': 'mean', 'verbose': 0}
复制代码

inverse_transform(X)

将数据转换回原始的表示形式。反转对数组执行的转换操作。该操作只能在以 add_indicator=True 实例化 simpleImputer 后执行 注意 ：反变换只能在具有缺失值的二进制指示符的特征中进行反变换。如果一个特征在拟合时没有缺失值，那么该特征就没有二进制指标，变换时的赋值就不会被反向。简单说就是没有替换缺失值，就不存在还原。

X1 = np.array([[1, 2, np.nan],
               [4, np.nan, 6],
               [np.nan, 8, 9]])
imp = SimpleImputer(missing_values=np.nan, strategy='mean', add_indicator=True)
X1 = imp.fit_transform(X1)
print(X1)
print(imp.inverse_transform(X1))
# 运行结果
[[1.  2.  7.5 0.  0.  1. ]
 [4.  5.  6.  0.  1.  0. ]
 [2.5 8.  9.  1.  0.  0. ]]
[[ 1.  2. nan]
 [ 4. nan  6.]
 [nan  8.  9.]]
复制代码

自定义值填补

fill_value 自定义。

X = np.array([[1, 2, 3],
             [4, 5, 6],
             [7, 8, 9]])
imp = SimpleImputer(missing_values=1, strategy='constant', fill_value=666)
print(imp.fit_transform(X))
# 运行结果
[[666 2 3]
 [4 5 6]
 [7 8 9]]
复制代码

fill_value 为默认值 Zone 。

X = np.array([[1, 2, 3],
             [4, 5, 6],
             [7, 8, 9]])
imp = SimpleImputer(missing_values=1, strategy='constant', fill_value=None)
print(imp.fit_transform(X))
# 运行结果
[[0 2 3]
 [4 5 6]
 [7 8 9]]