Saknade värden
Vinna en Kaggle-tävling i Python
Yauhen Babakhin
Kaggle Grandmaster
Saknade värden
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | NaN | 1 |
| 5 | NaN | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | NaN | 1 |
| 5 | NaN | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
- Imputation med konstantvärde
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | 4.72 | 1 |
| 5 | NaN | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
- Imputation med konstantvärde
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | -999 | 1 |
| 5 | NaN | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
- Imputation med konstantvärde
Kategoriska data
- Imputation med vanligaste kategori
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | -999 | 1 |
| 5 | NaN | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
- Imputation med konstantvärde
Kategoriska data
- Imputation med vanligaste kategori
- Imputation med ny kategori
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | -999 | 1 |
| 5 | A | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Imputera saknade värden
Numeriska data
- Medelvärdes-/medianimputation
- Imputation med konstantvärde
Kategoriska data
- Imputation med vanligaste kategori
- Imputation med ny kategori
| ID | Kategoriskt särdrag | Numeriskt särdrag | Binärt mål |
|---|---|---|---|
| 1 | A | 5.1 | 1 |
| 2 | B | 7.2 | 0 |
| 3 | C | 3.4 | 0 |
| 4 | A | -999 | 1 |
| 5 | MISS | 2.6 | 0 |
| 6 | A | 5.3 | 0 |
Hitta saknade värden
df.isnull().head(1)
ID cat num target
0 False False False False
df.isnull().sum()
ID 0
cat 1
num 1
target 0
Saknade numeriska värden
# Import SimpleImputer from sklearn.impute import SimpleImputer# Different types of imputers mean_imputer = SimpleImputer(strategy='mean') constant_imputer = SimpleImputer(strategy='constant', fill_value=-999)# Imputation df[['num']] = mean_imputer.fit_transform(df[['num']])
Saknade kategoriska värden
# Import SimpleImputer from sklearn.impute import SimpleImputer # Different types of imputers frequent_imputer = SimpleImputer(strategy='most_frequent') constant_imputer = SimpleImputer(strategy='constant', fill_value='MISS')# Imputation df[['cat']] = constant_imputer.fit_transform(df[['cat']])
Nu kör vi en övning!
Vinna en Kaggle-tävling i Python
