一般情况下，题目所给的数据总可能会缺漏了一些，这时候怎么处理这些数据将变得很棘手，因为这个数据的缺失是否会对结果造成影响我们不得而知，所以我们要掌握几种解决方法。
一：缺失值的处理
1.简单暴力，把缺失值的那一列全部删除
如果我们在这个属性上面缺失了值，我们不讨论它不就行了吗，虽然可能会忽略了这个属性对结果造成的影响，但是总比因为缺失数而预测结果错误来的好。
缺点：如果缺失值太多，最终删除到没有什么数据了。那就不好办了。
# 获取缺少值的列名称 cols_with_missing = [col for col in X_train.columns if X_train[col].isnull().any()] # 删除训练和验证数据中的列 reduced_X_train = X_train.drop(cols_with_missing, axis=1) reduced_X_valid = X_valid.drop(cols_with_missing, axis=1)
2.不进行删除，转而通过求值来填补这个数据
（1）均值法
求平均值出来，总会有点说服力吧。
缺点：改变了数据的分布，比如数据呈正态分布，这时候就造成很大的误差。
（2）随机填补
缺点：不靠谱，纯看人品。
from sklearn.impute import SimpleImputer # 填充 my_imputer = SimpleImputer() imputed_X_train = pd.DataFrame(my_imputer.fit_transform(X_train)) imputed_X_valid = pd.DataFrame(my_imputer.transform(X_valid))
fit_transform和transform的区别可在网上查得，大概是这么个关系：
3.填充扩展
如同2（1）方法，求出平均值填补过后，再新增一列用于记录哪条数据是缺失填充的。
如：
在这种情况下，模型将考虑哪些值是最初丢失的，从而做出更好的预测。
缺点：某些情况，这没有一点用，比如某种属性对结果没什么影响，就算这么做了也不会有用。
for col in cols_with_missing: X_train_plus[col + ‘_was_missing‘] = X_train_plus[col].isnull() X_valid_plus[col + ‘_was_missing‘] = X_valid_plus[col].isnull() # Imputation my_imputer = SimpleImputer() imputed_X_train_plus = pd.DataFrame(my_imputer.fit_transform(X_train_plus)) imputed_X_valid_plus = pd.DataFrame(my_imputer.transform(X_valid_plus))
还有很多种高级方法：https://www.cnblogs.com/xiaohuahua108/p/6237906.html
to be continued……
原文：https://www.cnblogs.com/Y-Knightqin/p/12553259.html
