功能介绍

把数据中的缺失值补上

参数说明

名称 中文名称 描述 类型 是否必须？ 默认值
strategy 缺失值填充规则 缺失值填充的规则，支持mean，max，min或者value。选择value时，需要读取fillValue的值 String “mean”
fillValue 填充缺失值 自定义的填充值。当strategy为value时，读取fillValue的值 String null
selectedCols 选择的列名 计算列对应的列名列表 String[] ✓
outputCols 输出结果列列名数组 输出结果列列名数组，可选，默认null String[] null

脚本示例

  1. data = np.array([
  2.             ["a", 10.0, 100],
  3.             ["b", -2.5, 9],
  4.             ["c", 100.2, 1],
  5.             ["d", -99.9, 100],
  6.             ["a", 1.4, 1],
  7.             ["b", -2.2, 9],
  8.             ["c", 100.9, 1],
  9.             [None, None, None]
  10. ])
  12. colnames = ["col1", "col2", "col3"]
  13. selectedColNames = ["col2", "col3"]
  15. df = pd.DataFrame({"col1": data[:, 0], "col2": data[:, 1], "col3": data[:, 2]})
  16. inOp = dataframeToOperator(df, schemaStr='col1 string, col2 double, col3 long', op_type='batch')
  17. sinOp = dataframeToOperator(df, schemaStr='col1 string, col2 double, col3 long', op_type='stream')
  20. model = Imputer()\
  21.            .setSelectedCols(selectedColNames)\
  22.            .fit(inOp)
  24. model.transform(inOp).print()
  26. model.transform(sinOp).print()
  28. StreamOperator.execute()

脚本运行结果

  1.     col1    col2    col3
  2. 0    a    10.000000    100
  3. 1    a    1.400000    1
  4. 2    b    -2.500000    9
  5. 3    b    -2.200000    9
  6. 4    c    100.200000    1
  7. 5    c    100.900000    1
  8. 6    d    -99.900000    100
  9. 7    None    15.414286    31