????缺失值插補(bǔ)一般使用在建模過(guò)程當(dāng)中，由于很多模型無(wú)法處理NaN,我們?nèi)绻粚?duì)一些字段進(jìn)行插補(bǔ)，很可能要?jiǎng)h除過(guò)多數(shù)據(jù)；所以我們采用插補(bǔ)的方式盡可能的保留數(shù)據(jù)集的信息，而缺點(diǎn)就是帶入了“人造數(shù)據(jù)”。

????插補(bǔ)的關(guān)鍵在于：盡量在不破壞數(shù)據(jù)原始分布的情況下保留信息。所以，插補(bǔ)是當(dāng)數(shù)據(jù)量不足的時(shí)候采用的，如果是數(shù)據(jù)量充足，刪除缺失值即可；插補(bǔ)中我們要少帶入人造信息，所以當(dāng)數(shù)據(jù)近似正態(tài)分布的時(shí)候一般選擇平均值Mean。

我們介紹幾類(lèi)常見(jiàn)的處理差補(bǔ)法的方法：

1.?固定值

2.?均值

3.?眾數(shù)

4.?中位數(shù)

1.?固定值

用固定值，比如80來(lái)填充體育的的NaN值。

知識(shí)點(diǎn)：

pandas中fillna()方法，能夠使用指定的方法填充N(xiāo)A/NaN值。

1.函數(shù)詳解

函數(shù)形式：fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)

參數(shù)：

value：用于填充的空值的值。

method： {‘backfill’, ‘bfill’, ‘pad’, ‘ffill’, None}, default None。定義了填充空值的方法， pad / ffill表示用前面行/列的值，填充當(dāng)前行/列的空值， backfill / bfill表示用后面行/列的值，填充當(dāng)前行/列的空值。

axis：軸。0或’index’，表示按行刪除；1或’columns’，表示按列刪除。

inplace：是否原地替換。布爾值，默認(rèn)為False。如果為T(mén)rue，則在原DataFrame上進(jìn)行操作，返回值為None。

limit：int， default None。如果method被指定，對(duì)于連續(xù)的空值，這段連續(xù)區(qū)域，最多填充前 limit 個(gè)空值（如果存在多段連續(xù)區(qū)域，每段最多填充前 limit 個(gè)空值）。如果method未被指定， 在該axis下，最多填充前 limit 個(gè)空值（不論空值連續(xù)區(qū)間是否間斷）

downcast：dict, default is None，字典中的項(xiàng)為，為類(lèi)型向下轉(zhuǎn)換規(guī)則?；蛘邽樽址癷nfer”，此時(shí)會(huì)在合適的等價(jià)類(lèi)型之間進(jìn)行向下轉(zhuǎn)換，比如float64 to int64 if possible。

2.?均值

用均值來(lái)填充體育的的NaN值。

知識(shí)點(diǎn)：

mean(): 返回?cái)?shù)據(jù)的均值。使用DataFrame數(shù)據(jù)調(diào)用mean()函數(shù)，返回結(jié)果為DataFrame中每一列的平均值，mean()不能計(jì)算字符串或object的平均值，所以會(huì)自動(dòng)將不能計(jì)算的列省略。

3. 眾數(shù)

????用眾數(shù)插補(bǔ)缺失值。

?

知識(shí)點(diǎn)：

眾數(shù)（Mode）是指在統(tǒng)計(jì)分布上具有明顯集中趨勢(shì)點(diǎn)的數(shù)值，代表數(shù)據(jù)的一般水平。 也是一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的數(shù)值，有時(shí)眾數(shù)在一組數(shù)中有好幾個(gè)。

4.?中位數(shù)

用中位數(shù)插補(bǔ)缺失值。

知識(shí)點(diǎn)：

中位數(shù)（Median）又稱(chēng)中值，統(tǒng)計(jì)學(xué)中的專(zhuān)有名詞，是按順序排列的一組數(shù)據(jù)中居于中間位置的數(shù)，代表一個(gè)樣本、種群或概率分布中的一個(gè)數(shù)值，其可將數(shù)值集合劃分為相等的上下兩部分。對(duì)于有限的數(shù)集，可以通過(guò)把所有觀察值高低排序后找出正中間的一個(gè)作為中位數(shù)。如果觀察值有偶數(shù)個(gè)，通常取最中間的兩個(gè)數(shù)值的平均數(shù)作為中位數(shù)。

?