我有一个数据集，其中特征既包含数值类型又包含对象类型。此外，一些对象类型的特征存在缺失值。我按照另一篇文章的指示创建了一个修改版的Imputer，用于处理数值和分类数据类型的缺失值，但当我将其应用到我的数据集时，返回了AttributeError。我认为我在定义用于填补的fit方法时犯了一个愚蠢的错误，非常感谢您的见解。以下是我的代码和错误信息：

import osimport pandas as pdimport numpy as npfrom sklearn.preprocessing import Imputer#加载数据path='~/Desktop/ML/Hands_on/housing_train.csv'path=os.path.expanduser(path)data=pd.read_csv(path)#选择包含dtype=object且有缺失数据的列object_data=data.select_dtypes(include=['object'])object_data_null=[]for col in object_data.columns:    if object_data[col].isnull().any():        object_data_null.append(col)class GeneralImputer(Imputer):    def __init__(self, **kwargs):        Imputer.__init__(self, **kwargs)    def fit(self, X, y=None):        if self.strategy == 'most_frequent':            self.fills = pd.DataFrame(X).mode(axis=0).squeeze()            self.statistics_ = self.fills.values            return self        else:            return Imputer.fit(self, X, y=y)    def transform(self, X):        if hasattr(self, 'fills'):            return pd.DataFrame(X).fillna(self.fills).values.astype(str)        else:            return Imputer.transform(self, X)imputer=GeneralImputer(strategy='most_frequent', axis=1)for i in object_data_null:    imputer.fit(data[i])    data[i]=imputer.transform(data[i])---------------------------------------------------------------------------AttributeError                            Traceback (most recent call last)<ipython-input-29-989e78355872> in <module>()     38 object_data_null     39 for i in object_data_null:---> 40     imputer.fit(data[i])     41     data[i]=imputer.transform(data[i])     42 <ipython-input-29-989e78355872> in fit(self, X, y)     23         if self.strategy == 'most_frequent':     24             self.fills = pd.DataFrame(X).mode(axis=0).squeeze()---> 25             self.statistics_ = self.fills.values     26             return self     27         else:AttributeError: 'str' object has no attribute 'values'

回答：

对于大小为1的对象，squeeze()方法将返回一个标量对象，如文档中所述

这意味着，大多数情况下（这里适用于所有列），列的众数将是一个单一的对象，然后squeeze()将只返回该字符串。

因此，无需在其后获取.values。请更改您的fit()方法，去掉那部分：

def fit(self, X, y=None):    if self.strategy == 'most_frequent':        self.fills = pd.DataFrame(X).mode(axis=0).squeeze()        # 移除了下面的.values        self.statistics_ = self.fills        return self