python中SimpleImputer运用

SimpleImputer是scikit-learn库中的一个类，用于对缺失值进行处理。它的主要作用是用指定的统计量（如平均值、中位数、众数）来填补缺失值。

下面是一个简单的示例：

from sklearn.impute import SimpleImputer
import numpy as np

X = np.array([[1, 2, np.nan], [3, np.nan, 4], [5, 6, 7]])

imputer = SimpleImputer(strategy='mean')
X_imputed = imputer.fit_transform(X)

print(X_imputed)

运行结果：

[[1. 2. 5.5]
 [3. 4. 4. ]
 [5. 6. 7. ]]

在这个例子中，我们创建了一个包含缺失值的矩阵X，其中np.nan表示缺失值。我们使用SimpleImputer类的mean策略来填充缺失值。因此，缺失值被替换为每列的平均值。最后，我们使用fit_transform方法来执行填充，并将结果存储在X_imputed中。