线性回归法填补缺失值代码

线性回归是一种常用的统计方法，可以用来预测数值型变量。在数据分析中，当遇到缺失值时，我们可以使用线性回归模型来进行填充。这里是一个简单的Python示例，使用sklearn库中的LinearRegression模块：

# 导入所需库
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.impute import SimpleImputer

# 假设df是你的数据集
df = pd.read_csv('your_dataset.csv') # 替换为实际文件路径

# 将需要填充缺失值的列转换为数值类型
df_numeric = df.select_dtypes(include=['float64', 'int64'])

# 创建一个简单插补器并选择线性回归作为策略
imputer = SimpleImputer(strategy='linear')

# 使用线性回归模型拟合数据
imputed_values = imputer.fit_transform(df_numeric)

# 把处理后的数据替换回原 DataFrame
df[df_numeric.columns] = imputed_values

# 如果你想保留原始数据和处理过的版本，可以用df.fillna(imputed_values)替代最后一行