Scikit-learn Imputer具有多个值

Question

是否有办法让Scikit-learn Imputer查找并替换被视为“缺失值”的多个值？

例如，我想做类似

的事情

imp = Imputer(missing_values=(7,8,9))

但根据文档，missing_values参数只接受一个整数：

  

missing_values：整数或“NaN”，可选（默认=“NaN”）

     

缺少值的占位符。所有出现的missing_values都将被估算。对于编码为np.nan的缺失值，请使用字符串值“NaN”。

Answer 1

为什么不在原始数据集中手动执行此操作？假设您使用的是pd.DataFrame，则可以执行以下操作：

import numpy as np
import pandas as pd
from sklearn.preprocessing import Imputer

df = pd.DataFrame({'A': [1, 2, 3, 8], 'B': [1, 2, 5, 3]})
df_new = df.replace([1, 2], np.nan)
df_imp = Imputer().fit_transform(df_new)

这导致df_imp：

array([[ 5.5,  4. ],
   [ 5.5,  4. ],
   [ 3. ,  5. ],
   [ 8. ,  3. ]])

如果您想将此作为管道的一部分，您只需要实现具有类似逻辑的自定义转换器。