如何使用 python 替换丢失的布尔值？

如何解决如何使用 python 替换丢失的布尔值？

在我的数据集中，其中一列是布尔值，并且数据集中和其他连续变量列中存在缺失值，这些值已成功替换为其平均值。但是平均值不能被替换为缺少布尔值。那么我该如何替换这些值？

请注意，我的数据集中的布尔值是 1 或 0。

以下是替换连续缺失值的代码：

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan,strategy='mean')
imputer.fit(x)
x = imputer.transform(x)

谢谢

解决方法

有几种方法可以解决这个问题。

1. 如果你负担得起（如果你有足够的数据）排除这些行
2. 用多数值替换那些行（与用连续值的平均值替换相同）
3. 对于时间序列 - 用前后 x 个单元格的平均值替换单元格，并设置一个高于它的阈值 - 平均值将变为 0，否则平均值将变为 0

,

您可以将此布尔变量视为分类特征，然后将 SimpleImputer 与 most_frequent 策略一起使用，而不是 mean。

您可以这样做：

from sklearn.impute import SimpleImputer
import numpy as np

#Create sample data with nans
X = np.random.randint(2,size=100).reshape(1,-1).astype(float)
X[0,::4] = np.nan

SimpleImputer(strategy="most_frequent").fit_transform(X)