用fancyimpute和pandas进行数据归类

Question

我以大熊猫数据着称df。它有很多缺失。不能逐行或逐行删除。插补中位数，均值或最频繁的值也不是一种选择（因此插补pandas和/或scikit不幸的是，不能做到这一点）。

我碰到了一个看起来很整洁的程序包fancyimpute（您可以在这里找到它）。但是我有一些问题。

这是我的工作：

#the neccesary imports
import pandas as pd
import numpy as np
from fancyimpute import KNN

# df is my data frame with the missings. I keep only floats
df_numeric = = df.select_dtypes(include=[np.float])

# I now run fancyimpute KNN, 
# it returns a np.array which I store as a pandas dataframe
df_filled = pd.DataFrame(KNN(3).complete(df_numeric))

但是，df_filled某种程度上是单个矢量，而不是填充的数据帧。如何获得带有插补的数据框？

更新资料

我意识到，fancyimpute需要一个numpay array。因此，我使用将转换df_numeric为一个数组as_matrix()。

# df is my data frame with the missings. I keep only floats
df_numeric = df.select_dtypes(include=[np.float]).as_matrix()

# I now run fancyimpute KNN, 
# it returns a np.array which I store as a pandas dataframe
df_filled = pd.DataFrame(KNN(3).complete(df_numeric))

输出是缺少列标签的数据框。有没有办法找回标签？

Answer 1

df=pd.DataFrame(data=mice.complete(d), columns=d.columns, index=d.index)

的np.array由所述返回.complete()的fancyimpute对象的方法（无论是小鼠或KNN）被供给作为内容(argument data=)一个大熊猫数据帧，其COLS和索引中的相同的原始数据帧。