如何使用Scikit-Learn中的类别数据类型算中列

Question

我有一个数据集，该数据集在功能中都包含数字和对象。另外，具有对象数据类型的某些功能缺少值。我创建了一个修改版的螺母版本（按照另一篇文章上的说明），以照顾数字和分类数据类型的缺失值，但是当我应用于数据集时，它会返回attributeError。我相信我在适应方法的定义中犯了一个愚蠢的错误，我感谢您的见解。这是我的代码和错误：

import os
import pandas as pd
import numpy as np
from sklearn.preprocessing import Imputer
#load the data
path='~/Desktop/ML/Hands_on/housing_train.csv'
path=os.path.expanduser(path)
data=pd.read_csv(path)
#select the columns_names including dtype=object && missing data
object_data=data.select_dtypes(include=['object'])
object_data_null=[]
for col in object_data.columns:
    if object_data[col].isnull().any():
        object_data_null.append(col)
class GeneralImputer(Imputer):
    def __init__(self, **kwargs):
        Imputer.__init__(self, **kwargs)
    def fit(self, X, y=None):
        if self.strategy == 'most_frequent':
            self.fills = pd.DataFrame(X).mode(axis=0).squeeze()
            self.statistics_ = self.fills.values
            return self
        else:
            return Imputer.fit(self, X, y=y)
    def transform(self, X):
        if hasattr(self, 'fills'):
            return pd.DataFrame(X).fillna(self.fills).values.astype(str)
        else:
            return Imputer.transform(self, X)
imputer=GeneralImputer(strategy='most_frequent', axis=1)
for i in object_data_null:
    imputer.fit(data[i])
    data[i]=imputer.transform(data[i])

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-29-989e78355872> in <module>()
     38 object_data_null
     39 for i in object_data_null:
---> 40     imputer.fit(data[i])
     41     data[i]=imputer.transform(data[i])
     42 
<ipython-input-29-989e78355872> in fit(self, X, y)
     23         if self.strategy == 'most_frequent':
     24             self.fills = pd.DataFrame(X).mode(axis=0).squeeze()
---> 25             self.statistics_ = self.fills.values
     26             return self
     27         else:
AttributeError: 'str' object has no attribute 'values'

Answer 1

对于1大小的对象，squeeze()方法将返回scaer对象，如文档

中所述

因此，这意味着，在大多数情况下（此处所有列发生），列的模式将是一个对象，然后Squeeze（）将仅返回字符串。

因此，无需在它之后获得.values。更改您的fit（）方法以删除它：

def fit(self, X, y=None):
    if self.strategy == 'most_frequent':
        self.fills = pd.DataFrame(X).mode(axis=0).squeeze()
        # Removed .values from the below line
        self.statistics_ = self.fills
        return self