具有Nan值的Imputer.fit有什么作用？

Question

我正在使用scikit-learn库进行机器学习，当我看到Scikit-learn tutorial的代码时，我感到很困惑

它具有以下代码：

import numpy as np
from sklearn.impute import SimpleImputer
imp = SimpleImputer(missing_values=np.nan, strategy='mean')
imp.fit([[1, 2], [np.nan, 3], [7, 6]])       

X = [[np.nan, 2], [6, np.nan], [7, 6]]
print(imp.transform(X)) 

据我了解，imputer用于填写缺失值，并且它使用了诸如均值，中位数或众数之类的策略。但是我不明白这三行代码在做什么

imp.fit([[1, 2], [np.nan, 3], [7, 6]])       
X = [[np.nan, 2], [6, np.nan], [7, 6]]
print(imp.transform(X)) 

为什么它适合np.nan的矩阵？以及这些拟合如何影响imp.transform(X)？

Answer 1

运行imp.fit时，它会计算要替换各列中的值（在本例中为mean）。

您可以使用imp.statistics_

访问我在每一列中保留的内容。

运行imp.transform时，它会用相应的值（NaN中的值）完成imp.statistics_