Question

我有一个包含三个输入的数据集。

X1，X2和X3是我的输入。我试图用先前的输入预测X1的下一个值。

当我预测X1的下一个值时，缺少X1的先前输入值。然后，预测值将移至该缺失值，并将作为下一个预测值的输入。

time     X1       X2       X3      predicted value of X1 (next)
 0       10       20       30          50
 60min   50       40       20          120
120min   120      20       80          240
180min   NaN      10       20          280

在180分钟时，我的X1输入值丢失。所以我想用更早的预测值240代替NaN

time         X1         X2      X3     predicted value
180 min  ** 240 **      10      20      280

我写了代码，但是对我来说不起作用。谁能帮助我解决这个问题？

pred=[]
for index, row in data.iterrows():
val = row['X1']
if np.isnan(val):
  f = row['X1','X2','X3']
  val = model.predict(f)
  pred.append(val)

Answer 1

如果我在代码末尾正确理解了您的信息，请再添加一行：

data.loc[index, 'X1'] = val

所以您的代码将是：

    pred=[]
    for index, row in data.iterrows():
    val = row['X1']
    if np.isnan(val):
      data.iloc[index]['X1'] = pred[-1]
      row['X1'] = pred[-1]
    f = row['X1','X2','X3']
    val = model.predict(f)
    pred.append(val)

希望这会有所帮助

Answer 2

在data.iterrows（）内部尝试。由于DataFrame的每一列都是一个Series，因此您可以使用data.iterrows（）的“索引”进行访问，并使用loc []进行分配：

if np.isnan(val):
  data.loc[index, 'X1']= data['predicted value of X1 (next)'][index-1]

Check documentation for more about loc and it's examples

Answer 3

可以使用pandas.DataFrame.fillna来实现，以下是一个有效的示例：

import pandas as pd

df = pd.DataFrame(
    data=[[float('nan'), 10, 20, 30],
         [1, 11, 21, 31]], 
    columns=['x1', 'x2', 'x3', 'p_x1']
)
df.x1.fillna(df.p_x1, inplace=True)

如何使用python中的模型将输入的0值替换为预测值

3 个答案: