Question

目前我正试图摆脱大型numpy阵列中的NaN值。如果我从sklearn应用Imputer，它假定数组中的某些列只包含NaN并丢弃它们 - 尽管只有前几行符合这个假设。

我认为这种行为必须是一个bug，因此，我不能使用这个工具（不出所料，我需要转储列）。但是使用中位数执行动手操作，我最终得到一个完全不变的数组。：（

这是我的代码，x_train是一个numpy数组：

x_train = x_train.T
for column in x_train:
    median = column[int(len(column)/2)]
    column[column == np.nan] = median
    column[column == np.inf] = 0
    column[column == -np.inf] = 0
x_train = x_train.T

在操作之前和之后打印数组的第一行我最后得到两行：

[  4.40572853e-01   4.39998817e-01   4.44360730e-01   4.01524000e+02
   4.01524000e+02   4.01524000e+02   4.83419270e-02   4.82160365e-02
   4.91767511e-02              nan              nan              nan
              nan              nan              nan   3.33333333e+01
   3.33333333e+01   3.33333333e+01              nan              nan
              nan]

我在这里缺少什么？我做了很多谷歌搜索，如果答案已经在那里，我一定是在一个完全错误的方向搜索。感谢任何帮助。

Answer 1

列没有排序，包含你应该使用的nans sou np.nanmean() 您应该使用np.isnan()代替==。

x_train = np.array([[np.inf, 1, 1, np.nan], [2, 2, np.nan, 2,], [10, np.nan, 10, 10]])

print(x_train)

x_train = x_train.T
for column in x_train:
    # median = column[int(len(column)/2)] 
    median = np.nanmedian(column)
    # column[column == np.nan] = median
    column[np.isnan(column)] = median
    column[column == np.inf] = 0
    column[column == -np.inf] = 0
x_train = x_train.T

print(x_train)

打印

[[ inf   1.   1.  nan]
 [  2.   2.  nan   2.]
 [ 10.  nan  10.  10.]]

[[  0.    1.    1.    6. ]
 [  2.    2.    5.5   2. ]
 [ 10.    1.5  10.   10. ]]

Numpy：将NaN值输入错误（sklearn）或不改变数组

1 个答案: