Imputaciones con media, mediana y moda

Cómo tratar datos faltantes en Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Técnicas básicas de imputación

  • constante (p. ej., 0)
  • media
  • mediana
  • moda o valor más frecuente
Cómo tratar datos faltantes en Python

Imputación por media

from sklearn.impute import SimpleImputer

diabetes_mean = diabetes.copy(deep=True)

mean_imputer = SimpleImputer(strategy='mean')
Cómo tratar datos faltantes en Python

Imputación por media

from sklearn.impute import SimpleImputer
diabetes_mean = diabetes.copy(deep=True)
mean_imputer = SimpleImputer(strategy='mean')
diabetes_mean.iloc[:, :] = mean_imputer.fit_transform(diabetes_mean)
Cómo tratar datos faltantes en Python

Imputación por mediana

diabetes_median = diabetes.copy(deep=True)
median_imputer = SimpleImputer(strategy='median')
diabetes_median.iloc[:, :] = median_imputer.fit_transform(diabetes_median)
Cómo tratar datos faltantes en Python

Imputación por moda

diabetes_mode = diabetes.copy(deep=True)
mode_imputer = SimpleImputer(strategy='most_frequent')
diabetes_mode.iloc[:, :] = mode_imputer.fit_transform(diabetes_mode)
Cómo tratar datos faltantes en Python

Imputar una constante

diabetes_constant = diabetes.copy(deep=True)
constant_imputer = SimpleImputer(strategy='constant', fill_value=0))
diabetes_constant.iloc[:, :] = constant_imputer.fit_transform(diabetes_constant)
Cómo tratar datos faltantes en Python

Diagrama de dispersión de la imputación

nullity = diabetes['Serum_Insulin'].isnull()+diabetes['Glucose'].isnull()

diabetes_mean.plot(x='Serum_Insulin', y='Glucose', kind='scatter', alpha=0.5,

                   c=nullity, cmap='rainbow', title='Mean Imputation')

Diagrama de dispersión del dataframe de diabetes con imputación por media

Cómo tratar datos faltantes en Python

Visualizar imputaciones

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 10))

nullity = diabetes['Serum_Insulin'].isnull()+diabetes['Glucose'].isnull()

imputations = {'Mean Imputation': diabetes_mean, 
               'Median Imputation': diabetes_median, 
               'Most Frequent Imputation': diabetes_mode, 
               'Constant Imputation': diabetes_constant}

for ax, df_key in zip(axes.flatten(), imputations):

    imputations[df_key].plot(x='Serum_Insulin', y='Glucose', kind='scatter', 
                             alpha=0.5, c=nullity, cmap='rainbow', ax=ax, 
                             colorbar=False, title=df_key)
Cómo tratar datos faltantes en Python

Visualización gráfica de imputaciones del dataframe de diabetes

Cómo tratar datos faltantes en Python

Resumen

Has aprendido a:

  • Imputar con parámetros estadísticos como media, mediana y moda
  • Comparar gráficamente las imputaciones
  • Analizar las imputaciones
Cómo tratar datos faltantes en Python

¡Vamos a practicar!

Cómo tratar datos faltantes en Python

Preparing Video For Download...