Imputer auf einige Dataframe Spalten in Python

Bin ich lernen, wie man Imputer auf Python.

Dies ist mein code:

df=pd.DataFrame([["XXL", 8, "black", "class 1", 22],
["L", np.nan, "gray", "class 2", 20],
["XL", 10, "blue", "class 2", 19],
["M", np.nan, "orange", "class 1", 17],
["M", 11, "green", "class 3", np.nan],
["M", 7, "red", "class 1", 22]])

df.columns=["size", "price", "color", "class", "boh"]

from sklearn.preprocessing import Imputer

imp=Imputer(missing_values="NaN", strategy="mean" )
imp.fit(df["price"])

df["price"]=imp.transform(df["price"])

Aber dieser erhebt die folgende Fehlermeldung:
ValueError: Länge der Werte entspricht nicht der Länge des index

Was ist falsch an meinem code???

Danke für die Hilfe

InformationsquelleAutor Mauro Gentile | 2016-07-26

13

Dies ist, weil Imputer in der Regel verwendet mit DataFrames eher als Serie. Eine mögliche Lösung ist:
```
imp=Imputer(missing_values="NaN", strategy="mean" )
imp.fit(df[["price"]])
df["price"]=imp.transform(df[["price"]]).ravel()

# Or even 
imp=Imputer(missing_values="NaN", strategy="mean" )
df["price"]=imp.fit_transform(df[["price"]]).ravel()
```
- Warum ist ravel() hier notwendig? Es scheint, die Rückkehr der richtige Typ, ohne es
- 1. Wenn Sie 2 dimension df[["Preis"]] , dann ravel() ist nicht erforderlich. Um für Imputer & fit_transform zu arbeiten, alles, was wir brauchen, ist die 2-dimension. df[["Preis"]] konvertiert die Daten in die 2 . dimension. Format (Zeile count, 1) . 2. wenn Sie mit 1 dimension df["Preis"], dann wird das unten immer noch funktionieren, aber wird sich auch wieder Fehler ValueError: Erwartete 2D-array, bekam 1D-array statt: array df["Preis"]=imp.fit_transform(df["Preis"]).ravel()
InformationsquelleAutor frist

Ich denke, Sie wollen, geben Sie die Achse für die imputer, dann transponieren des Arrays zurückgegeben:

import pandas as pd
import numpy as np

df=pd.DataFrame([["XXL", 8, "black", "class 1", 22],
["L", np.nan, "gray", "class 2", 20],
["XL", 10, "blue", "class 2", 19],
["M", np.nan, "orange", "class 1", 17],
["M", 11, "green", "class 3", np.nan],
["M", 7, "red", "class 1", 22]])

df.columns=["size", "price", "color", "class", "boh"]

from sklearn.preprocessing import Imputer

imp=Imputer(missing_values="NaN", strategy="mean",axis=1 ) #specify axis
q = imp.fit_transform(df["price"]).T #perform a transpose operation


df["price"]=q
print df

Vielen Dank an Ryan. Wirklich nützlich ist.
Unfortuantely, dies ist nicht für mich arbeiten 🙁 ValueError: Erwartete 2D-array, bekam 1D-array statt:

InformationsquelleAutor Ryan

Einfache Lösung ist, um eine 2D-array

df=pd.DataFrame([["XXL", 8, "black", "class 1", 22],
["L", np.nan, "gray", "class 2", 20],
["XL", 10, "blue", "class 2", 19],
["M", np.nan, "orange", "class 1", 17],
["M", 11, "green", "class 3", np.nan],
["M", 7, "red", "class 1", 22]])

df.columns=["size", "price", "color", "class", "boh"]

from sklearn.preprocessing import Imputer

imp=Imputer(missing_values="NaN", strategy="mean" )
imp.fit(df[["price"]])

df["price"]=imp.transform(df[["price"]])

df['boh'] = imp.fit_transform(df[['price']])

Hier ist Ihre DataFrame

Gereinigt DataFrame

InformationsquelleAutor Sachin Prabhu

Hier ist die Dokumentation für Einfache Imputer Für die fit-Methode, es dauert array-oder sparse-metrix-als input-parameter.
Sie können versuchen, diese :

imp.fit(df.iloc[:,1:2]) 
df['price']=imp.transform(df.iloc[:,1:2])

bieten index-Speicherort zu fit-Methode und wenden dann die Transformation.

>>> df
   size  price   color    class   boh
 0  XXL    8.0   black  class 1  22.0
 1    L    9.0    gray  class 2  20.0
 2   XL   10.0    blue  class 2  19.0
 3    M    9.0  orange  class 1  17.0
 4    M   11.0   green  class 3   NaN
 5    M    7.0     red  class 1  22.0

Gleichen Weise, die Sie tun können, für boh

imp.fit(df.iloc[:,4:5])
df['price']=imp.transform(df.iloc[:,4:5])
>>> df
    size  price   color    class   boh
 0  XXL    8.0   black  class 1  22.0
 1    L    9.0    gray  class 2  20.0
 2   XL   10.0    blue  class 2  19.0
 3    M    9.0  orange  class 1  17.0
 4    M   11.0   green  class 3  20.0
 5    M    7.0     red  class 1  22.0

Freundlicherweise korrigiert mich wenn ich falsch bin. Anregungen werden geschätzt.

InformationsquelleAutor shinchaan

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.