添加缺失指示器#

The AddMissingIndicator() 添加一个二进制变量，指示观察值是否缺失（缺失指示器）。它为分类变量和数值变量都添加缺失指示器。

你可以通过将变量列表传递给 variables 参数来选择应为其创建缺失指示器的变量。或者，插补器将自动选择所有变量。

imputer 可以选择将缺失指示器添加到所有变量，或者仅添加到训练集中有缺失数据的那些变量。您可以使用参数 missing_only 更改此行为。

如果 missing_only=True，缺失指示器将仅添加到训练集中存在缺失数据的那些变量。这意味着，如果您向 variables 传递了一个变量列表，而其中一些变量没有缺失数据，则不会为它们添加缺失指示器。如果您的列表中的所有变量都必须获得其缺失指示器，请确保设置 missing_only=False。

在未传递要插补的变量列表时，建议使用 missing_only=True。

以下是使用房价数据集的代码示例（关于数据集的更多详情在此）。

首先，让我们加载数据并将其分为训练集和测试集：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split

from feature_engine.imputation import AddMissingIndicator

# Load dataset
data = pd.read_csv('houseprice.csv')


# Separate into train and test sets
X_train, X_test, y_train, y_test = train_test_split(
data.drop(['Id', 'SalePrice'], axis=1), data['SalePrice'], test_size=0.3, random_state=0)

现在我们设置输入器，为4个指示的变量添加缺失指示符：

# set up the imputer
addBinary_imputer = AddMissingIndicator(
variables=['Alley', 'MasVnrType', 'LotFrontage', 'MasVnrArea'],
)

# fit the imputer
addBinary_imputer.fit(X_train)

因为我们保留了 missing_only 的默认值，AddMissingIndicator() 将检查上述变量在 X_train 中是否有缺失数据。如果有，将为所有 4 个变量添加缺失指示器。如果其中任何一个在 X_train 中没有缺失数据，则只会为剩余的 3 个变量添加缺失指示器。

我们可以通过查看 AddMissingIndicator() 的属性 variables_ 中的变量列表，来了解哪些变量将会有缺失指示符。

现在，我们可以继续添加缺失的指示符：

# transform the data
train_t = addBinary_imputer.transform(X_train)
test_t = addBinary_imputer.transform(X_test)

train_t[['Alley_na', 'MasVnrType_na', 'LotFrontage_na', 'MasVnrArea_na']].head()