如何使用 python 替换丢失的布尔值？答案

【问题标题】：How can I replace missing boolean values using python?如何使用 python 替换丢失的布尔值？
【发布时间】：2021-09-27 01:18:51
【问题描述】：

在我的数据集中，其中一列是布尔值，数据集中和其他连续变量列中存在缺失值，这些值已成功替换为平均值。但平均值无法替换缺少的布尔值。那么如何替换这些值呢？

请注意，我的数据集中的布尔值是 1 或 0。

下面是替换连续缺失值的代码：

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputer.fit(x)
x = imputer.transform(x)

谢谢

【问题讨论】：

没有单一的策略。
尝试用多数值替换nas。

标签： python scikit-learn missing-data

【解决方案1】：

有几种方法可以解决这个问题。

如果您负担得起（如果您有足够的数据）排除这些行
将这些行替换为多数值（与替换为连续值的平均值相同）
对于时间序列 - 将单元格替换为前后 x 个单元格的平均值，并设置一个高于它的阈值 - 平均值将变为 0，否则，平均值将变为 0

【讨论】：

【解决方案2】：

您可以将此布尔变量视为分类特征，然后将SimpleImputer 与most_frequent 策略一起使用，而不是mean。

你可以这样做：

from sklearn.impute import SimpleImputer
import numpy as np

#Create sample data with nans
X = np.random.randint(2, size=100).reshape(1,-1).astype(float)
X[0,::4] = np.nan

SimpleImputer(strategy="most_frequent").fit_transform(X)

【讨论】：