我正在使用Scikit - 学习为我的数据集计算缺失值,但是查看数据集中我的某个功能的最大值,很明显这些缺失值被错误地估算。 首先,我使用pandas函数查看数据集中特征的最大10个值
ofData = mergeData.iloc[:, 3]
print ofData.nlargest(10)
这是
的输出 124 4.0
128 4.0
146 4.0
147 4.0
177 4.0
240 4.0
253 4.0
310 4.0
360 4.0
361 4.0
哪个是正确的我知道这是此功能的最大可能值。 然后我用Scikit学习数据。
imp = Imputer(missing_values='NaN', strategy='mean', axis=1)
nData = imp.fit_transform(mergeData)
nData = pd.DataFrame(nData)
然后我再次使用pandas来查看此功能的最大10个值。
ofData = nData.iloc[:, 3]
print ofData.nlargest(10)
哪个输出,
1030 77.571129
1056 67.804684
1308 62.780544
1212 61.902375
927 61.207525
870 60.592999
1100 55.604145
1722 55.308159
1415 52.637559
72 49.940297
这些值显然不是该特征的平均值,因为它们都大于插补前的最大值。我完全迷失了可能造成这种情况的原因,并担心它可能会影响我数据集中其他功能的估算。
答案 0 :(得分:1)
由于您希望使用列中的平均值替换列中的缺失值,因此轴必须为0(这是默认值),而不是1。您的代码使用行中的均值替换缺失值。