python - 处理丢失数据时出现 IndexError : too many indices for array ,

Question

我知道这个同样的问题之前已经被问过很多次了，但是我在Python和机器学习方面都是新手，在尝试了很多次没有结果之后，我终于在这里发布了。所以如果可能的话请原谅我提出这样的问题。

我有一个像这样的数据集，采用 csv 格式

YearsExperience        Salary
1.1                    39343
1.3                    46205
1.5                    37731
2                      43525
2.2                    
2.9                    56642

正如您在经验 2.2 中看到的那样，工资数据丢失了，我尝试用平均值来填充它，并执行如下操作

import numpy as np
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Salary_Data.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 1].values

#taking care of missing data
#substitue missing value with the mean
from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)
imputer = imputer.fit(y[:,0:1])
y[:,0:1] = imputer.transform(y[:,0:1]);

它给了我

IndexError: too many indices for array

但是，如果 X 中缺少某些内容，例如

YearsExperience        Salary
1.1                    39343
1.3                    46205
1.5                    37731
2                      43525
                       39891
2.9                    56642

如果我执行以下操作，它会自动用 mean 替换缺失的值

from sklearn.preprocessing import Imputer
imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)
imputer = imputer.fit(X[:,0:1])
X[:,0:1] = imputer.transform(X[:,0:1]);

Answer 1

您的代码失败的平均原因是因为 y 是形状为 - 的一维数组 -

X = df.iloc[:, :-1].values
y = df.iloc[:, 1].values

y.shape
(6,)

因此，在一维数组上调用 y[:, 0:1] 是无效操作 -

y[:,0:1]
IndexError: too many indices for array

相反，你应该做的是初始化y -

y = df.iloc[:, -1:].values

这将使 y 成为具有一列的二维数组，从而解决问题。

<小时/>

imputer 接受具有单列的二维数组，并返回相似形状的结果。对单列数据帧进行切片，并将其传递给 imputer.fit_transform，它在一个步骤中执行拟合和转换 -

df['Salary'] = imputer.fit_transform(df[['Salary']]).ravel()
df

   YearsExperience   Salary
0              1.1  39343.0
1              1.3  46205.0
2              1.5  37731.0
3              2.0  43525.0
4              2.2  44689.2
5              2.9  56642.0