1回答
我尝试使用每列的最小值来替换缺少的值，但总是出错。下面是我的代码： from sklearn.impute import SimpleImputernumeric_df = X_test.select_dtypes(exclude=['object']) my_imputer = SimpleImpute
浏览 66提问于2021-09-24得票数 1
1回答
下面是我的代码：import numpy as npprint(x)
但是，当我运行代码时，anaconda3/lib/python3.7/site-packages/skle
浏览 3提问于2020-04-03得票数 1
回答已采纳
23.4500 S890 0 3 male 32.0 0 7.7500 Qfrom sklearn.impute import SimpleImputerimputer.fit(([stats['Age'])AttributeError: '
浏览 0提问于2020-05-10得票数 0
6回答
大家好，我正在学习机器，一开始代码运行良好，但是第二天，当我再次执行代码时，它开始警告我如何处理数据集中丢失的数据，我不知道问题出在哪里，但是有谁知道解决方案？Import impute.SimpleImputer from sklearn instead.
浏览 2提问于2019-01-09得票数 3
回答已采纳
imp = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
weather_test = imp.fit_transform(weather_test) 当weather_test是一个熊猫数据帧时，上面的代码在google colab中抛出错误。但是，当我将weather_test更改为numpy数组时，它可以工作。imp = SimpleImputer(missing_values=np.nan, str
浏览 15提问于2020-01-09得票数 0
当我试图导入模块时，我会得到以下错误：
我已经尝试导入不同的滑雪板模块，没有任何问题。
浏览 1提问于2018-06-13得票数 12
回答已采纳
我的代码：imp_X_test=fill_values.trainsform(X_test)TypeError: float() argument must be a string or a n
浏览 0提问于2019-09-25得票数 1
dataset.iloc[:, :-1].values#Missing Data
X.fit[:, 1:3] = imputer.fit_transform
浏览 0提问于2019-05-13得票数 15
回答已采纳
我试图使用GridSearchCV来选择最佳的输入策略，但我在这样做时遇到了困难。首先，我有一个为数字和分类列准备数据的管道-from sklearn.impute import SimpleImputerRandomForestRegressor(random_state=42))),
("regressor", SVR(kernel='rbf', C=30000.0, gamma
浏览 5提问于2022-01-27得票数 0
回答已采纳
1回答
在管道中堆放计算机
、、、
显然，在存在字符串或布尔值的情况下，转换工作正常，但当只有数字值时，转换会失败。另一个奇怪的行为是，当我切换管道内的输入程序的顺序时： ('si2', SimpleImputer(missing_values = None,constant',])
ValueError:输入包含NaN
浏览 5提问于2022-05-11得票数 1
回答已采纳
2回答
我有一个284个特性的数据集，我正在尝试使用scikit-learn来推断，但是，当功能的数量更改为283时，我得到了一个错误：<ipython-input-150-849be5be8fcb> in <module>
1 imputer = SimpleImputer
浏览 8提问于2020-03-04得票数 2
回答已采纳
SimpleImputer和pandas.fillna的区别是什么？
我试着使用他们各自库中的这两个函数，但没有注意到任何明显的区别。
浏览 3提问于2022-03-22得票数 1
2回答
我正试图转发一个已过滤的DataFrame部分，但它并没有像我所希望的那样工作。 Col Col2 1 NaN NaN 3 NaN string Col Col2 1 NaN NaN 3 3 string filter = (df["col2"] == "string")
df.loc[filter, "col&#
浏览 11提问于2022-06-08得票数 1
回答已采纳
使用sklearn SimpleImputer策略常量和使用fillna(值)有什么不同？例如：SimpleImputer(missing_values=np.nan, strategy='constant', fill_value = 0) vs df.fillna(0)即使对于策略= mean，我们也可以只使用df.fillna(df.mean)。使用simpleImputer，我们仍然需要fit_transform数据帧和更多的行。fillna
浏览 1提问于2021-03-18得票数 1
我试图用平均值替换NaNs，但是当我使用fit方法时，我得到了以下错误：from sklearn.impute import SimpleImputerimp = imp.fit(df_missing.iloc
浏览 2提问于2021-01-25得票数 1
1回答
我想要OneHotEncode一个缺少values.When的pd.DataFrame --我尝试使用OneHotEncode，它会引发一个关于缺少值的错误。ValueError:输入包含NaN
我不能应用OneHotEncoding是因为缺少值，SimpleImputer是因为分类数据。
浏览 3提问于2020-08-05得票数 0
回答已采纳
1回答
我使用数字列的fillna和分类列的SimpleImputer将值输入到数据帧中。问题是，当我运行以下代码时，我注意到我的所有功能都是绝对的。X = X.fillna(X.mean())X_temp_test.columns = X_test.columns
X, X_test = X_temp,
浏览 23提问于2021-10-04得票数 0
回答已采纳
我在前一次学习中应用了SimpleImputer()，它位于一个包含薪水的整数列上，在该列中，我将strategy作为mean对数据集进行预处理，并替换如下所示的null。imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
但是在我的当前场景中，该列是String类型的，当然不能应用任何数字函数方法在处理字符串列时应该遵循的预处理方法是什么？
浏览 8提问于2022-05-29得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号