Haaste: Puuttuvien Arvojen Imputointi
SimpleImputer-luokka korvaa puuttuvat arvot automaattisesti.
from sklearn.impute import SimpleImputer
imputer = SimpleImputer()
Tärkeimmät parametrit:
missing_value: tunniste, jota pidetään puuttuvana (oletusnp.nan);strategy: menetelmä aukkojen täyttämiseen (oletus'mean');fill_value: käytetään, kunstrategy='constant'.
Transformerina se tarjoaa metodit kuten .fit(), .transform() ja .fit_transform().
Puuttuvien arvojen täyttötavan valinta on oleellista. Yleinen lähestymistapa:
- numeeriset ominaisuudet → keskiarvo;
- kategoriset ominaisuudet → yleisin arvo.
strategy-vaihtoehdot:
'mean'— täyttö keskiarvolla;'median'— täyttö mediaanilla;'most_frequent'— täyttö moodilla;'constant'— täyttö määritetyllä arvollafill_value.
missing_values määrittää, mitkä arvot tulkitaan puuttuviksi (oletus NaN, mutta voi olla myös '' tai muu merkki).
SimpleImputer odottaa DataFrame-rakennetta, ei Seriesiä.
Yksisarakkeinen DataFrame valitaan kaksois-sulkeilla:
imputer.fit_transform(df[['column']])
fit_transform() palauttaa 2D-taulukon, mutta DataFrame-sarakkeeseen tallentaminen vaatii 1D-taulukon.
Tasoita tulos käyttämällä .ravel():
df['column'] = imputer.fit_transform(df[['column']]).ravel()
Swipe to start coding
Sinulle annetaan DataFrame nimeltä df, joka sisältää pingviinien tietoja. Sarakkeessa 'sex' on puuttuvia arvoja. Täydennä ne käyttämällä yleisintä kategoriaa.
- Tuo
SimpleImputer; - Luo imputteri käyttäen
strategy='most_frequent'; - Käytä sitä
df[['sex']]-sarakkeeseen; - Aseta imputoidut arvot takaisin
df['sex']-sarakkeeseen.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 3.13Haaste: Puuttuvien Arvojen Imputointi
Pyyhkäise näyttääksesi valikon
SimpleImputer-luokka korvaa puuttuvat arvot automaattisesti.
from sklearn.impute import SimpleImputer
imputer = SimpleImputer()
Tärkeimmät parametrit:
missing_value: tunniste, jota pidetään puuttuvana (oletusnp.nan);strategy: menetelmä aukkojen täyttämiseen (oletus'mean');fill_value: käytetään, kunstrategy='constant'.
Transformerina se tarjoaa metodit kuten .fit(), .transform() ja .fit_transform().
Puuttuvien arvojen täyttötavan valinta on oleellista. Yleinen lähestymistapa:
- numeeriset ominaisuudet → keskiarvo;
- kategoriset ominaisuudet → yleisin arvo.
strategy-vaihtoehdot:
'mean'— täyttö keskiarvolla;'median'— täyttö mediaanilla;'most_frequent'— täyttö moodilla;'constant'— täyttö määritetyllä arvollafill_value.
missing_values määrittää, mitkä arvot tulkitaan puuttuviksi (oletus NaN, mutta voi olla myös '' tai muu merkki).
SimpleImputer odottaa DataFrame-rakennetta, ei Seriesiä.
Yksisarakkeinen DataFrame valitaan kaksois-sulkeilla:
imputer.fit_transform(df[['column']])
fit_transform() palauttaa 2D-taulukon, mutta DataFrame-sarakkeeseen tallentaminen vaatii 1D-taulukon.
Tasoita tulos käyttämällä .ravel():
df['column'] = imputer.fit_transform(df[['column']]).ravel()
Swipe to start coding
Sinulle annetaan DataFrame nimeltä df, joka sisältää pingviinien tietoja. Sarakkeessa 'sex' on puuttuvia arvoja. Täydennä ne käyttämällä yleisintä kategoriaa.
- Tuo
SimpleImputer; - Luo imputteri käyttäen
strategy='most_frequent'; - Käytä sitä
df[['sex']]-sarakkeeseen; - Aseta imputoidut arvot takaisin
df['sex']-sarakkeeseen.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
single
