是否有办法使用sklearn.preprocessing对象来填补分类数据？我最终希望创建一个预处理对象，可以将其应用于新数据，并使其以与旧数据相同的方式进行转换。

我正在寻找一种方法，以便我可以按照这种方式使用它。

回答：

通过复制和修改这个答案，我为pandas.Series对象创建了一个填补器

import numpyimport pandas from sklearn.base import TransformerMixinclass SeriesImputer(TransformerMixin):    def __init__(self):        """填补缺失值。        如果Series的类型为Object，则使用最常见的对象进行填补。        如果Series的类型不是Object，则使用平均值进行填补。          """    def fit(self, X, y=None):        if   X.dtype == numpy.dtype('O'): self.fill = X.value_counts().index[0]        else                            : self.fill = X.mean()        return self    def transform(self, X, y=None):        return X.fillna(self.fill)

使用它时，您需要这样做：

# 创建一个seriess1 = pandas.Series(['k', 'i', 't', 't', 'e', numpy.NaN])a  = SeriesImputer()   # 初始化填补器a.fit(s1)              # 拟合填补器s2 = a.transform(s1)   # 获取一个新的系列