【Python】scikit-learnで欠損値を補完するクラス（Imputerクラス、SimpleImputerクラス）

scikit-learnで欠損値を補完する場合は、ImputerクラスかSimpleImputerクラスを使います。scikit-learnのバージョンが0.22より前はImputerクラス、0.22以降はSimpleImputerクラスを使います。

次のDataFrameがある場合を考えます。

SimpleImputerクラスを使うと、NaNが列ごとの平均値で補完され、NumPyのndarrayで返ります。

from sklearn.impute import SimpleImputer
imp = SimpleImputer(strategy='mean')
imp.fit(df)
imp.transform(df)

▶︎ array([[5.5, 2. , 3. ],
[4. , 5. , 6. ],
[7. , 8. , 4.5]])

その他の選択肢も前処理で使うクラスですが、目的が異なります。前処理で使う主なクラスは以下となります。

■ 欠損値補完 → Imputer

■ カテゴリ変数エンコーディング → LabelEncoder

■ One-hotエンコーディング → OneHotEncoder

■ 分散正規化 → StandardScaler

■ 最小最大正規化 → MinMaxScaler

■ 次元削減（主成分分析） → PCA