使用Python填补分类数据

是否有方法可以用某个分类类型的平均值来填补其缺失值?例如,如果我有50种独特的产品,产生了1000个样本,其中一个特征是重量。我能否用产品“a”的重量平均值来填补产品“a”的重量,用产品“c”的重量平均值来填补产品“c”的重量?


回答:

如果你使用pandas,可以尝试如下方法:

原始数据框:

  category  weight0        a     1.01        a     1.02        a     NaN3        a     2.04        b     NaN5        b     3.06        b     3.07        b     3.0

结果:

  category  weight0        a     1.01        a     1.02        a     1.03        a     2.04        b     3.05        b     3.06        b     3.07        b     3.0

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注