仅在特定值之间进行估算
Impute among specific values only
我有一个数据框，我需要在其中根据其他样本估算一个值。该列是数字，表示行业数字 fx（1111 - IT，1234 - 金融，等等）。我尝试应用 KNNImputer，它确实产生了数字，但据我所知，它对其邻居的输出进行平均，从而生成列中不存在的数字。
输入代码如下：
X = df.copy()
imputer = KNNImputer(n_neighbors=5)
filled = imputer.fit_transform(X)
cols = X.columns
df_imputed = pd.DataFrame(data=filled, columns = cols)
它提供的输出是：6405.2
但是，最接近的行业代码是 6399 或 6411
如何仅考虑现有值对数字列进行插补？
技术对此的回答实际上非常简单：只需在您的 knn imputer 中请求一个邻居：
imputer = KNNImputer(n_neighbors=1)
这样，knn 预测将不会在（许多）邻居之间进行平均，但它们实际上只包含数据中已经存在的值。
请注意，这是您实际提出的 编程 问题的答案；如果这实际上是基于您的数据和功能的特定形式的正确方法，则超出了答案的范围（并且可以说是 SO 的题外话）。
我有一个数据框，我需要在其中根据其他样本估算一个值。该列是数字，表示行业数字 fx（1111 - IT，1234 - 金融，等等）。我尝试应用 KNNImputer，它确实产生了数字，但据我所知，它对其邻居的输出进行平均，从而生成列中不存在的数字。
输入代码如下：
X = df.copy()
imputer = KNNImputer(n_neighbors=5)
filled = imputer.fit_transform(X)
cols = X.columns
df_imputed = pd.DataFrame(data=filled, columns = cols)
它提供的输出是：6405.2 但是，最接近的行业代码是 6399 或 6411
如何仅考虑现有值对数字列进行插补？
技术对此的回答实际上非常简单：只需在您的 knn imputer 中请求一个邻居：
imputer = KNNImputer(n_neighbors=1)
这样，knn 预测将不会在（许多）邻居之间进行平均，但它们实际上只包含数据中已经存在的值。
请注意，这是您实际提出的 编程 问题的答案；如果这实际上是基于您的数据和功能的特定形式的正确方法，则超出了答案的范围（并且可以说是 SO 的题外话）。