使用 Scikit-learn (sklearn) 估算整个 DataFrame（所有列）而不迭代列

Question

我想在 pandas DataFrame 上估算所有列...我能想到的唯一方法是逐列显示，如下所示...

是否有一种操作可以在不遍历列的情况下估算整个 DataFrame？

#!/usr/bin/python
from sklearn.preprocessing import Imputer
import numpy as np
import pandas as pd

#Imputer
fill_NaN = Imputer(missing_values=np.nan, strategy='mean', axis=1)

#Model 1
DF = pd.DataFrame([[0,1,np.nan],[2,np.nan,3],[np.nan,2,5]])
DF.columns = "c1.c2.c3".split(".")
DF.index = "i1.i2.i3".split(".")

#Impute Series
imputed_DF = DF
for col in DF.columns:
    imputed_column = fill_NaN.fit_transform(DF[col]).T
    #Fill in Series on DataFrame
    imputed_DF[col] = imputed_column

#DF
#c1  c2  c3
#i1   0   1 NaN
#i2   2 NaN   3
#i3 NaN   2   5

#imputed_DF
#c1   c2  c3
#i1   0  1.0   4
#i2   2  1.5   3
#i3   1  2.0   5

Answer 1

如果您想要 mean 或 median，您可以这样做：

fill_NaN = Imputer(missing_values=np.nan, strategy='mean', axis=1)
imputed_DF = pd.DataFrame(fill_NaN.fit_transform(DF))
imputed_DF.columns = DF.columns
imputed_DF.index = DF.index

如果你想用 0 或其他你可以随时做的事情来填充它们：

DF[DF.isnull()] = 0

Answer 2

除非您出于某种原因特别需要使用 sklearn Imputer，否则在我看来更简单的选择是：

df = df.fillna(df.mean())

Answer 3

如果任何列包含 NA，

df.mean() 将 return NA，因此使 df.fillna() 无法按预期运行。正确的方法是使用 np.nanmean()

使用 Scikit-learn (sklearn) 估算整个 DataFrame（所有列）而不迭代列

Impute entire DataFrame (all columns) using Scikit-learn (sklearn) without iterating over columns

python

machine-learning

dataframe

scikit-learn