我从《机器学习A-Z™：实操Python与R数据科学》教程课程中逐字复制了代码，但我的代码无法运行。我使用的是Python 3.7，并且已经在我的环境中安装了scikit-learn包。然而它仍然无法工作，我尝试寻找包含sklearn的包，但似乎什么也没找到。它给出了以下错误。
我通过Anaconda运行我的环境。

ImportError: cannot import name 'Imputer' from 'sklearn.preprocessing' (C:\Users\vygan\.conda\envs\env\lib\site-packages\sklearn\preprocessing\__init__.py)

import numpy as npimport matplotlib.pyplot as pltimport pandas as pd# 导入数据集dataset = pd.read_csv('Data.csv')X = pd.DataFrame(dataset.iloc[:, :-1].values)y = pd.DataFrame(dataset.iloc[:, 3].values)# 处理缺失数据from sklearn.preprocessing import Imputerimputer = Imputer(missing_values = 'NaN', strategy = 'mean', axis = 0)imputer = imputer.fit(X[:, 1:3])X[:, 1:3] = imputer.transform(X[:, 1:3])

回答：

它已经从preprocessing库永久移至impute库，你可以这样调用它：

from sklearn.impute import SimpleImputer

它大致相同。如果仍然无法工作，你应该使用pip卸载然后重新安装它，可能是因为第一次安装时没有正确安装。

它不再有axis参数，但你可以用pandas数据框的标题轻松处理，如下所示：

si=SimpleImputer()si.fit([dataset["headername"]])

有一个策略参数，可供选择”mean”（均值）、”most_frequent”（最常见）、”median”（中位数）和”constant”（常数）。

但我更喜欢另一个填补器：

from sklearn.impute import KNNImputer

它将使用k个最近邻的平均值来填补缺失值。