Scikit 学习如何将缺少数据的分类值更改为数字值

Question

我正在将 sklearn 用于机器学习项目，其中一列采用分类形式。我想用序数编码器将其转换为数字形式，然后估算丢失的数据。 Sklearn的OrdinalEncoder报错：

ValueError: Input contains NaN

但我真的不想先使用分类输入器，然后将值转换为数字，因为它不太适合数据的性质。有没有办法解决这个问题？

代码如下：

from sklearn.preprocessing import OrdinalEncoder
ordinalenc = OrdinalEncoder()
imd = ordinalenc.fit_transform(info[["imd_band"]])
print(ordinalenc.categories_)

Answer 1

内嵌文档

from sklearn.preprocessing import OrdinalEncoder
import pandas as pd
from sklearn.impute import SimpleImputer

df = pd.DataFrame({'x': ['a','b','b',np.NaN]*3})
ordinalenc = OrdinalEncoder()
# Catagorial to Ordinal of only not NAN values
df.loc[df['x'].notnull(), 'new_x']  = ordinalenc.fit_transform(df[df['x'].notnull()])
# Now impute 
im = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
df['new_x'] = im.fit_transform(df['new_x'].values.reshape(-1, 1))
print (df)

输出

    x   new_x
0   a   0.0
1   b   1.0
2   b   1.0
3   NaN 1.0
4   a   0.0
5   b   1.0
6   b   1.0
7   NaN 1.0
8   a   0.0
9   b   1.0
10  b   1.0
11  NaN 1.0