SimpleImputer#

class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, copy=True, add_indicator=False, keep_empty_features=False)[source]#

用于使用简单策略补全缺失值的单变量插补器。

使用每列的描述性统计量（例如，均值、中位数或众数）或常数值替换缺失值。

在用户指南中阅读更多内容。

版本 0.20 新增：SimpleImputer 替代了先前已移除的 sklearn.preprocessing.Imputer 估计器。

参数:

missing_valuesint, float, str, np.nan, None 或 pandas.NA, 默认值=np.nan

缺失值的占位符。`missing_values` 的所有出现都将被插补。对于带有可空整型数据类型和缺失值的 pandas 数据帧，`missing_values` 可以设置为 `np.nan` 或 `pd.NA`。

strategystr 或 Callable, 默认值='mean'

插补策略。

如果为“mean”，则使用每列的均值替换缺失值。仅可用于数值数据。
如果为“median”，则使用每列的中位数替换缺失值。仅可用于数值数据。
如果为“most_frequent”，则使用每列的众数替换缺失值。可用于字符串或数值数据。如果存在多个众数，则只返回最小的那个。
如果为“constant”，则使用 fill_value 替换缺失值。可用于字符串或数值数据。
如果是一个 Callable 实例，则使用通过对包含每列非缺失值的密集 1d 数组运行该可调用对象返回的标量统计量来替换缺失值。

版本 0.20 新增：strategy=”constant” 用于固定值插补。

版本 1.5 新增：strategy=callable 用于自定义值插补。

fill_valuestr 或数值, 默认值=None

当 strategy == “constant” 时，`fill_value` 用于替换所有出现的 missing_values。对于字符串或对象数据类型，`fill_value` 必须是字符串。如果为 `None`，则在插补数值数据时 `fill_value` 将为 0，对于字符串或对象数据类型，将为“missing_value”。

copybool, 默认值=True

如果为 True，将创建 X 的副本。如果为 False，则在可能的情况下会进行原地插补。请注意，在以下情况下，即使 `copy=False`，也始终会创建新副本：

如果 `X` 不是浮点数组；
如果 `X` 被编码为 CSR 矩阵；
如果 `add_indicator=True`。

add_indicatorbool, 默认值=False

如果为 True，则 MissingIndicator 变换将堆叠在插补器变换的输出上。这允许预测估计器在插补后仍能考虑缺失情况。如果某个特征在 fit/train 时没有缺失值，则即使在 transform/test 时存在缺失值，该特征也不会出现在缺失指示器中。

keep_empty_featuresbool, 默认值=False

如果为 True，则当调用 `fit` 时完全由缺失值组成的特征会在调用 `transform` 时在结果中返回。除非 `strategy="constant"`，在这种情况下将使用 `fill_value`，否则插补值始终为 `0`。

版本 1.2 新增。

版本 1.6 更改：目前，当 `keep_empty_feature=False` 且 `strategy="constant"` 时，空特征不会被丢弃。此行为将在版本 1.8 中更改。将 `keep_empty_feature=True` 设置为保留此行为。

属性:

statistics_形状为 (n_features,) 的数组: 每个特征的插补填充值。计算统计量可能导致 `np.nan` 值。在 transform 期间，对应于 `np.nan` 统计量的特征将被丢弃。
indicator_MissingIndicator: 用于为缺失值添加二进制指示符的指示器。如果 `add_indicator=False`，则为 `None`。
n_features_in_int: 在fit期间看到的特征数量。

版本 0.24 新增。
feature_names_in_形状为 (n_features_in_,) 的 ndarray: 在fit期间看到的特征名称。仅当X具有所有字符串的特征名称时才定义。

版本 1.0 新增。

另请参阅

IterativeImputer: 多元插补器，用于根据所有其他特征估计每个具有缺失值的特征的插补值。
KNNImputer: 多元插补器，用于使用最近样本估计缺失特征。

注意事项

如果策略不是 `\"constant\"`，则在 fit 时仅包含缺失值的列将在 transform 时被丢弃。

在预测场景中，简单插补通常与弱学习器结合时表现不佳。然而，与强大的学习器结合时，它可能导致与复杂插补（例如 IterativeImputer 或 KNNImputer）一样好或更好的性能。

示例

>>> import numpy as np
>>> from sklearn.impute import SimpleImputer
>>> imp_mean = SimpleImputer(missing_values=np.nan, strategy='mean')
>>> imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])
SimpleImputer()
>>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]]
>>> print(imp_mean.transform(X))
[[ 7.   2.   3. ]
 [ 4.   3.5  6. ]
 [10.   3.5  9. ]]

有关更详细的示例，请参阅在构建估计器之前插补缺失值。

fit(X, y=None)[source]#

在 X 上拟合插补器。

参数:

X{array-like, 稀疏矩阵}, 形状 (n_samples, n_features): 输入数据，其中 n_samples 是样本数量，n_features 是特征数量。
y忽略: 未使用，按惯例在此处保持 API 一致性。

返回:

self对象: 已拟合的估计器。

fit_transform(X, y=None, **fit_params)[source]#

拟合数据，然后对其进行转换。

使用可选参数 `fit_params` 将转换器拟合到 `X` 和 `y`，并返回 `X` 的转换版本。

参数:

X形状为 (n_samples, n_features) 的类数组: 输入样本。
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认值=None: 目标值（无监督转换时为 None）。
**fit_params字典: 额外的拟合参数。

返回:

X_new形状为 (n_samples, n_features_new) 的 ndarray 数组: 转换后的数组。

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

参数:

input_featuresstr 或 None 的类数组, 默认值=None

输入特征。

如果 `input_features` 为 `None`，则 `feature_names_in_` 用作输入特征名称。如果 `feature_names_in_` 未定义，则生成以下输入特征名称：`["x0", "x1", ..., "x(n_features_in_ - 1)"]`。
如果 `input_features` 是类数组，则如果定义了 `feature_names_in_`，则 `input_features` 必须与 `feature_names_in_` 匹配。

返回: