运行中

imputed_training=impyute.imputation.cs.em(X_train2.values, loops=50)xtrain2_imputed=pd.DataFrame(imputed_training)columns=('interest-over-time','hash-rate',...) # 非常长的列表xtrain2_imputed.columns = columns

返回的数据框包含与原始数据框（xtrain2）完全不同的值。如何使用期望最大化方法插补我的NaN值，以返回一个与我的原始数据框具有相同列、列顺序和行顺序的数据框？

回答：

当你这样做时，你可以重新赋值

mputed_training=impyute.imputation.cs.em(X_train2.values, loops=50)X_train2[:]= mputed_training