SimpleImputer 简单插补器#

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

用于使用简单策略完成缺失值的单变量估算器。

使用描述性统计量（例如，均值、中位数或最频繁值）沿每列替换缺失值，或使用常数值。

在用户指南中了解更多信息。

版本 0.20 中新增： SimpleImputer 替换了之前的 sklearn.preprocessing.Imputer 估算器，该估算器现已移除。

参数：

missing_valuesint、float、str、np.nan、None 或 pandas.NA，默认为 np.nan

缺失值的占位符。所有 missing_values 的出现都将被估算。对于具有可空整数 dtype 和缺失值的 pandas 数据框，missing_values 可以设置为 np.nan 或 pd.NA。

strategystr 或 Callable，默认为 'mean'

估算策略。

如果为“mean”，则使用每列的均值替换缺失值。只能与数值数据一起使用。
如果为“median”，则使用每列的中位数替换缺失值。只能与数值数据一起使用。
如果为“most_frequent”，则使用每列中最频繁的值替换缺失值。可用于字符串或数值数据。如果存在多个这样的值，则只返回最小的值。
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。
如果为 Callable 实例，则使用通过对包含每列非缺失值的密集一维数组运行可调用对象返回的标量统计量来替换缺失值。

版本 0.20 中新增： strategy=”constant” 用于固定值估算。

版本 1.5 中新增： strategy=callable 用于自定义值估算。

fill_valuestr 或数值，默认为 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，则在估算数值数据时 fill_value 将为 0，对于字符串或对象数据类型则为“missing_value”。

copybool，默认为 True

如果为 True，则将创建 X 的副本。如果为 False，则只要有可能，就会就地进行估算。请注意，在以下情况下，即使 copy=False，也会始终创建新副本：

如果 X 不是浮点值数组；
如果 X 编码为 CSR 矩阵；
如果 add_indicator=True。

add_indicatorbool，默认为 False

如果为 True，则 MissingIndicator 变换将堆叠到估算器的变换输出上。这允许预测估算器即使在估算后也能解释缺失值。如果某个特征在拟合/训练时没有缺失值，即使在变换/测试时存在缺失值，该特征也不会出现在缺失指示器上。

keep_empty_featuresbool，默认为 False

如果为 True，则当调用 fit 时，完全由缺失值组成的特征将在调用 transform 时返回结果中。估算值始终为 0，除非 strategy="constant"，在这种情况下将使用 fill_value。

版本 1.2 中新增。

版本 1.6 中已更改：当前，当 keep_empty_feature=False 和 strategy="constant" 时，不会丢弃空特征。此行为将在版本 1.8 中更改。设置 keep_empty_feature=True 以保留此行为。

属性：

statistics_形状为 (n_features,) 的数组: 每个特征的估算填充值。计算统计量可能会导致 np.nan 值。在 transform 期间，将丢弃与 np.nan 统计量对应的特征。
indicator_MissingIndicator: 用于添加缺失值二元指示器的指示器。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 中新增。
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 具有全部为字符串的特征名称时定义。

1.0 版本新增。

另请参阅

IterativeImputer: 多变量填补器，根据所有其他特征的值来估计每个具有缺失值的特征的填补值。
KNNImputer: 使用最近邻样本估计缺失特征的多变量填补器。

备注

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

在预测环境中，简单填补通常与弱学习器一起使用时效果不佳。但是，对于强大的学习器，它可以达到与复杂填补（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，请参阅构建估计器之前填补缺失值。

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

在 X 上拟合填补器。

参数：

X{array-like, sparse matrix}, shape (n_samples, n_features): 输入数据，其中 n_samples 是样本数，n_features 是特征数。
y忽略: 未使用，出于 API 一致性约定而在此处显示。

返回值：

selfobject: 拟合的估计器。

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

拟合数据，然后转换它。

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：

Xarray-like of shape (n_samples, n_features): 输入样本。
yarray-like of shape (n_samples,) or (n_samples, n_outputs), default=None: 目标值（无监督转换则为 None）。
**fit_paramsdict: 附加拟合参数。

返回值：

X_newndarray array of shape (n_samples, n_features_new): 转换后的数组。

get_feature_names_out(input_features=None)[source]#

获取转换后的输出特征名称。

参数：

input_featuresarray-like of str or None, default=None

输入特征。

如果 input_features 为 None，则使用 feature_names_in_ 作为输入特征名称。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 是一个类数组，则如果 feature_names_in_ 已定义，则 input_features 必须与 feature_names_in_ 匹配。

返回值：