类别数据空值插补 python

类别数据空值插补的方法通常有以下几种：

1. 众数插补（mode imputation）：用该变量的众数（出现次数最多的值）来填补缺失值。

df['column'].fillna(df['column'].mode()[0], inplace=True)

2. 随机插补（random imputation）：从该变量的非缺失值中随机选择一个值来填补缺失值。

import random

non_missing = df['column'].dropna()
random_value = random.choice(non_missing)
df['column'].fillna(random_value, inplace=True)

3. 利用其他变量插补（imputation using other variables）：根据其他相关变量的取值来预测缺失变量的取值。

# 假设有两个变量 column1 和 column2，其中 column2 中有缺失值
# 首先使用 column1 的均值来填补 column2 的缺失值

mean_value = df['column1'].mean()
df['column2'].fillna(mean_value, inplace=True)

# 然后使用线性回归模型来预测 column2 的缺失值

from sklearn.linear_model import LinearRegression

X = df[df['column2'].notnull()]['column1'].values.reshape(-1, 1)
y = df[df['column2'].notnull()]['column2'].values

model = LinearRegression()
model.fit(X, y)

X_pred = df[df['column2'].isnull()]['column1'].values.reshape(-1, 1)
y_pred = model.predict(X_pred)

df.loc[df['column2'].isnull(), 'column2'] = y_pred