1

Tengo una base de datos que en la primera columna tiene strings y en las siguientes coumnas tiene floats.

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
values = imputer.fit_transform(movies_v2)

pero me reporta el siguiente error: ValueError: Cannot use mean strategy with non-numeric data: could not convert string to float: 'Avatar\xa0'

1
  • De antemano muchas gracias por la ayuda
    – Yuly
    Commented el 23 may. 2020 a las 2:06

1 respuesta 1

0

No puedes usar como estrategia la media para imputar valores en variables categóricas. Simplemente no incluyas esa columna.

import pandas as pd
import numpy as np
from sklearn.impute import SimpleImputer 


movies_v2 = pd.DataFrame(
    {"title":("Avatar", "Reservoir Dogs", "Blade Runner",
              "El club de la lucha", np.nan, "Blade Runner"),
     "foo": (5.8, 7.9, 8.3, np.nan, 7.5, np.nan),
     "bar": (np.nan, 8.2, 8.6, 6.2, 2.8, 5.2)}
    )

imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
values = imputer.fit_transform(movies_v2.iloc[:, 1:])
>>> values)

[[5.8   6.2  ]
 [7.9   8.2  ]
 [8.3   8.6  ]
 [7.375 6.2  ]
 [7.5   2.8  ]
 [7.375 5.2  ]]

No se si tu primera columna tienen valores nulos a los que quieras inmutar un valor.En tal caso, ten en cuenta que SimpleImputer soporta datos categóricos en forma de cadena son representados por pandas.Categorical pero lógicamente solo cuando se usan las estrategias 'most_frequent' o 'constant', no para 'mean'.

imputer = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
values = imputer.fit_transform(movies_v2.iloc[:, 0:1])
>>> values

[['Avatar']
 ['Reservoir Dogs']
 ['Blade Runner']
 ['El club de la lucha']
 ['Blade Runner']
 ['Blade Runner']]

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.