用回归填充 NaN 值答案

【问题标题】：Filling in the NaN values with Regression [closed]用回归填充 NaN 值
【发布时间】：2025-12-06 11:30:01
【问题描述】：

我有 x1=工作级别（数字），x2=工作代码（分类）和 y =库存价值（数字）。对于 3x500 的数据集，我在 Stock Value 中有 250 个 NaN 值。

我需要在下面的代码中进行哪些更改才能将 x2 读取为分类值并重新运行程序以查找系数？Data set example

> import pandas as pd from sklearn.linear_model import LinearRegression
> df = pd.read_excel("stats.xlsx")
> df_nonull=df.dropna() X_train = df_nonull[['Job Code','Job Level']]
> y_train = df_nonull[['Stock Value']]
> 
> 
> X_test = df[['Job Code','Job Level']] y_test = df[['Stock Value']]
> 
> regressor = LinearRegression() model=regressor.fit(X_train, y_train)
> # display coefficients print(regressor.coef_)

> print(regressor.coef_)

【问题讨论】：

我认为你想要的叫做“插补”。一个简单的方法就是用 Job Code 的平均 Stock Value 填充 NaN。但是，如果您相信您的数据中有一些隐藏的结构（例如，股票价值随着代码的增加而增加），这可能行不通。
嗨，Demetri，感谢您的回答——因为工作代码、工作级别和股票价值之间存在相关性——我不想使用“插补”。我想估计股票价值，记住它们与这两个输入有关，而不仅仅是平均值。
是的，这改变了事情。我认为线性回归是一种合适的做事方式。你有任何理由期望这种关系是线性的吗？
不，我不能假设，回归是我的第一个想法。所以我愿意接受建议。
了解所有可能性将是一个超出 Stack Overflow 领域的推测性教程；为此，您可以尝试Cross Validated。

标签： python machine-learning statistics nan missing-data

【解决方案1】：

这是一个简单的模型训练问题。您可用的训练数据（观察）是存在股票价值的行；您以后的“真实”数据是没有的行。

在这种情况下，分类数据是非常合法的。实际上，您也可以尝试将工作级别声明为分类，因为它是离散的；这将使您摆脱任何线性假设（尽管它也否认了级别代码排序的任何适用性）。

您的任务是选择一种能够为您的数据提供适当服务的模型类型。这需要研究和实验；欢迎来到数据科学。由于您尚未讨论您的数据形状、密度、连通性、聚类等，因此我们无法与您一起探讨这些问题。对三个特征的六次观察（请注意，职位代码和职位不是 100% 耦合的）不足以进行有根据的推测。

尝试在“线性”回归中添加一些多项式项：可能是每个输入的平方项和平方根。这通常是此类任务的第一次尝试。

【讨论】：

欢迎来到 *。请阅读并遵循帮助文档中的发布指南。 on topic 和 how to ask 在这里申请。
特别是，有很多这样的包，你应该在提出问题之前进行研究。此外，这些软件包涵盖不同级别的参与，并带有不同的模型类型。你可以先看一下 SciKit / SciPy，因为有广泛的使用基础。
没有“哪个型号”；正如我所说，你必须进行实验。你没有给我们一个完整的问题描述让我们权衡。