这是一个我拥有的大数据集的示例。
想象一下，我有一个包含不同列的数据框，每个列在某些部分都有缺失值（NaN）。
import pandas as pdimport numpy as npfrom sklearn.ensemble import RandomForestRegressordf = pd.DataFrame({'a':[0.3, 0.2, 0.5, 0.1, 0.4, 0.5, np.nan, np.nan, np.nan, 0.6, 0.3, 0.5], 'b':[4, 3, 5, np.nan, np.nan, np.nan, 5, 6, 5, 8, 7, 4], 'c':[20, 25, 35, 30, 10, 18, 16, 22, 26, np.nan, np.nan, np.nan]})我想使用RandomForestRegressor来预测这些缺失值，例如，使用其他列作为特征。换句话说，当我看到一个样本中有NaN时，我想使用其他两个列的值作为特征来预测这个缺失值。
我通常可以为一个独特的特征这样做，但我希望有一种自动化的方法来为每个列这样做。
谢谢你。
回答：
你可以使用sklearn中的IterativeImputer，并在estimator参数中提供RandomForestRegressor：
import pandas as pdimport numpy as npfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.experimental import enable_iterative_imputerfrom sklearn.impute import IterativeImputerdf = pd.DataFrame({'a':[0.3, 0.2, 0.5, 0.1, 0.4, 0.5, np.nan, np.nan, np.nan, 0.6, 0.3, 0.5], 'b':[4, 3, 5, np.nan, np.nan, np.nan, 5, 6, 5, 8, 7, 4], 'c':[20, 25, 35, 30, 10, 18, 16, 22, 26, np.nan, np.nan, np.nan]})imp_mean = IterativeImputer(estimator=RandomForestRegressor(), random_state=0)imp_mean.fit(df)display(pd.DataFrame(imp_mean.transform(df)))这将返回以下数据框，其中NaN值已被相应填补：
0 1 20 0.300 4.00 20.001 0.200 3.00 25.002 0.500 5.00 35.003 0.100 3.69 30.004 0.400 5.53 10.005 0.500 5.78 18.006 0.389 5.00 16.007 0.455 6.00 22.008 0.463 5.00 26.009 0.600 8.00 21.0210 0.300 7.00 16.9211 0.500 4.00 29.98