python - 用中位数对缺失值进行插补

Question

我想用中位数来估算名为 Bare Nuclei 的数据帧的列，但出现了此错误('必须是 str，而不是 int'，'发生在索引 Bare Nuclei')下面的代码表示列data['Bare Nuclei]的唯一值

data['Bare Nuclei'].unique()
array(['1', '10', '2', '4', '3', '9', '7', '?', '5', '8', '6'],
      dtype=object)

然后，我尝试将 ? 替换为 nan，然后将 nan 替换为中位数，但出现上述错误

data['Bare Nuclei'] = data['Bare Nuclei'].replace('?',np.nan)
#data['Bare Nuclei'].fillna()
data.apply(lambda x: x.fillna(x.mean()),axis=0)

要检查数据，请访问此链接 https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

Answer 1

您得到的错误是因为'Bare Nuclei' 列中存储的值存储为字符串，但mean() 函数需要数字。您可以在调用 .unique() 的结果中看到它们是字符串。

替换'?'字符后，您可以使用.astype(float)将系列转换为数字:

data['Bare Nuclei'] = data['Bare Nuclei'].replace('?',np.nan)
data['Bare Nuclei'] = data['Bare Nuclei'].astype(float).apply(lambda x: x.fillna(x.mean()))