SimpleImputer#

class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, copy=True, add_indicator=False, keep_empty_features=False)#

单变量插补器，用于使用简单策略完成缺失值。

使用描述性统计（例如均值、中位数或最频繁值）沿每列替换缺失值，或使用常量值。

更多信息请参阅用户指南。

Added in version 0.20: SimpleImputer 取代了之前的 sklearn.preprocessing.Imputer 估计器，该估计器现已移除。

Parameters:

missing_valuesint, float, str, np.nan, None 或 pandas.NA, default=np.nan

缺失值的占位符。所有 missing_values 的出现将被插补。对于带有缺失值的 pandas 数据框的 nullable 整数类型， missing_values 可以设置为 np.nan 或 pd.NA 。

strategystr 或 Callable, default=’mean’

插补策略。

如果 “mean”，则使用每列的均值替换缺失值。只能用于数值数据。
如果 “median”，则使用每列的中位数替换缺失值。只能用于数值数据。
如果 “most_frequent”，则使用每列的最频繁值替换缺失值。可以用于字符串或数值数据。如果有多个这样的值，只返回最小的。
如果 “constant”，则使用 fill_value 替换缺失值。可以用于字符串或数值数据。
如果是一个 Callable 实例，则使用在包含每列非缺失值的密集 1d 数组上运行该 callable 返回的标量统计值替换缺失值。

Added in version 0.20: strategy=”constant” 用于固定值插补。

Added in version 1.5: strategy=callable 用于自定义值插补。

fill_valuestr 或数值, default=None

当 strategy == “constant” 时， fill_value 用于替换所有 missing_values 的出现。对于字符串或对象数据类型， fill_value 必须是一个字符串。如果 None ，对于数值数据 fill_value 将为 0，对于字符串或对象数据类型将为 “missing_value”。

copybool, default=True

如果为 True，将创建 X 的副本。如果为 False，插补将在可能的情况下就地进行。请注意，在以下情况下，即使 copy=False ，也会始终创建新副本：

如果 X 不是浮点值数组；
如果 X 编码为 CSR 矩阵；
如果 add_indicator=True 。

add_indicatorbool, default=False

如果为 True，MissingIndicator 变换将堆叠到插补器的变换输出上。这允许预测估计器在插补的情况下考虑缺失值。如果在 fit/训练时特征没有缺失值，即使在 transform/测试时有缺失值，该特征也不会出现在缺失指示器上。

keep_empty_featuresbool, default=False

如果为 True，在 fit 调用时仅由缺失值组成的特征将在 transform 调用时返回。插补值始终为 0 ，除非 strategy="constant" ，在这种情况下将使用 fill_value 。

Added in version 1.2.

Attributes:

statistics_形状为 (n_features,) 的数组: 每个特征的插补填充值。计算统计值可能导致 np.nan 值。在 transform 期间，对应于 np.nan 统计值的特征将被丢弃。
indicator_MissingIndicator: 用于添加二进制指示器的指示器。如果 add_indicator=False ，则为 None 。
n_features_in_int: 在 fit 期间看到的特征数量。

Added in version 0.24.
feature_names_in_形状为 ( n_features_in_ ,) 的 ndarray: 在 fit 期间看到的特征名称。仅当 X 的所有特征名称均为字符串时定义。

Added in version 1.0.

See also

IterativeImputer: 多变量插补器，通过从所有其他特征估计值来插补每个有缺失值的特征。
KNNImputer: 多变量插补器，通过使用最近的样本来估计缺失特征。

Notes

在 fit 时仅包含缺失值的列在 transform 时如果策略不是 "constant" 将被丢弃。

在预测上下文中，简单插补通常在与弱学习器结合时表现不佳。然而，与强大的学习器结合时，它可以导致与复杂插补（如 IterativeImputer 或 KNNImputer ）相同或更好的性能。

Examples

>>> import numpy as np
>>> from sklearn.impute import SimpleImputer
>>> imp_mean = SimpleImputer(missing_values=np.nan, strategy='mean')
>>> imp_mean.fit([[7, 2, 3], [4, np.nan, 6], [10, 5, 9]])
SimpleImputer()
>>> X = [[np.nan, 2, 3], [4, np.nan, 6], [10, np.nan, 9]]
>>> print(imp_mean.transform(X))
[[ 7.   2.   3. ]
 [ 4.   3.5  6. ]
 [10.   3.5  9. ]]

更多详细示例请参见在构建估计器之前填补缺失值。

fit(X, y=None)#

拟合输入器在 X 上。

Parameters:

X{array-like, sparse matrix}, shape (n_samples, n_features): 输入数据，其中 n_samples 是样本的数量， n_features 是特征的数量。
y忽略: 未使用，此处存在是为了通过约定保持 API 一致性。

Returns:

selfobject: 拟合的估计器。

fit_transform(X, y=None, **fit_params)#

拟合数据，然后进行转换。

将转换器拟合到 X 和 y ，并带有可选参数 fit_params ，并返回 X 的转换版本。

Parameters:

X形状为 (n_samples, n_features) 的类数组: 输入样本。
y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认=None: 目标值（无监督转换为 None）。
**fit_paramsdict: 其他拟合参数。

Returns:

X_new形状为 (n_samples, n_features_new) 的 ndarray 数组: 转换后的数组。

get_feature_names_out(input_features=None)#

获取变换后的输出特征名称。

Parameters:

input_features字符串的数组或None，默认=None

输入特征。

如果 input_features 是 None ，则使用 feature_names_in_ 作为输入特征名称。如果 feature_names_in_ 未定义，则生成以下输入特征名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] 。
如果 input_features 是数组，则 input_features 必须与 feature_names_in_ 匹配（如果 feature_names_in_ 已定义）。

Returns: