平均、中位數與眾數補值

在 Python 中處理遺漏值

Suraj Donthi

Deep Learning & Computer Vision Consultant

基本補值技巧

  • 常數（例如 0）
  • 平均數
  • 中位數
  • 眾數或最常見值
在 Python 中處理遺漏值

平均數補值

from sklearn.impute import SimpleImputer

diabetes_mean = diabetes.copy(deep=True)

mean_imputer = SimpleImputer(strategy='mean')
在 Python 中處理遺漏值

平均數補值

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)
在 Python 中處理遺漏值

中位數補值

diabetes_median = diabetes.copy(deep=True)
median_imputer = SimpleImputer(strategy='median')
diabetes_median.iloc[:, :] = median_imputer.fit_transform(diabetes_median)
在 Python 中處理遺漏值

眾數補值

diabetes_mode = diabetes.copy(deep=True)
mode_imputer = SimpleImputer(strategy='most_frequent')
diabetes_mode.iloc[:, :] = mode_imputer.fit_transform(diabetes_mode)
在 Python 中處理遺漏值

使用常數補值

diabetes_constant = diabetes.copy(deep=True)
constant_imputer = SimpleImputer(strategy='constant', fill_value=0))
diabetes_constant.iloc[:, :] = constant_imputer.fit_transform(diabetes_constant)
在 Python 中處理遺漏值

補值的散佈圖

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')

Scatterplot of mean imputed diabetes dataframe

在 Python 中處理遺漏值

視覺化各種補值

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)
在 Python 中處理遺漏值

Graphical visualization of imputations of diabetes dataframe

在 Python 中處理遺漏值

重點總結

你已學會：

  • 用平均數、中位數、眾數等統計量進行補值
  • 以圖形方式比較不同補值
  • 分析補值結果
在 Python 中處理遺漏值

一起來練習吧！

在 Python 中處理遺漏值

Preparing Video For Download...