Imputations par moyenne, médiane et mode

Gérer les données manquantes avec Python

Suraj Donthi

Deep Learning & Computer Vision Consultant

Techniques d'imputation de base

  • constante (p. ex. 0)
  • moyenne
  • médiane
  • mode ou valeur la plus fréquente
Gérer les données manquantes avec Python

Imputation par la moyenne

from sklearn.impute import SimpleImputer

diabetes_mean = diabetes.copy(deep=True)

mean_imputer = SimpleImputer(strategy='mean')
Gérer les données manquantes avec Python

Imputation par la moyenne

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)
Gérer les données manquantes avec Python

Imputation par la médiane

diabetes_median = diabetes.copy(deep=True)
median_imputer = SimpleImputer(strategy='median')
diabetes_median.iloc[:, :] = median_imputer.fit_transform(diabetes_median)
Gérer les données manquantes avec Python

Imputation par le mode

diabetes_mode = diabetes.copy(deep=True)
mode_imputer = SimpleImputer(strategy='most_frequent')
diabetes_mode.iloc[:, :] = mode_imputer.fit_transform(diabetes_mode)
Gérer les données manquantes avec Python

Imputation d'une constante

diabetes_constant = diabetes.copy(deep=True)
constant_imputer = SimpleImputer(strategy='constant', fill_value=0))
diabetes_constant.iloc[:, :] = constant_imputer.fit_transform(diabetes_constant)
Gérer les données manquantes avec Python

Nuage de points des imputations

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')

Nuage de points du tableau diabète imputé par la moyenne

Gérer les données manquantes avec Python

Visualiser les imputations

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)
Gérer les données manquantes avec Python

Visualisation graphique des imputations du tableau diabète

Gérer les données manquantes avec Python

Résumé

Vous avez appris à

  • Imputer avec des paramètres statistiques comme la moyenne, la médiane et le mode
  • Comparer graphiquement les imputations
  • Analyser les imputations
Gérer les données manquantes avec Python

Passons à la pratique !

Gérer les données manquantes avec Python

Preparing Video For Download...