sklearn.impute的fit方法中提及的statistics术语具体含义是什么

这里的statistics就是你选择的插补策略对应的、需要从训练数据集计算得到的统计量，不同插补策略对应的统计量完全不同： #

• 当SimpleImputer的strategy参数设置为mean（你示例中的选择）：statistics 就是训练数据每一列非缺失值的算术平均值
• 当strategy设置为median：statistics 就是训练数据每一列非缺失值的中位数
• 当strategy设置为most_frequent：statistics 就是训练数据每一列非缺失值的众数
• 当strategy设置为constant：statistics 就是你手动指定的fill_value参数值

fit(X)的作用就是遍历输入的数据集X，按照你指定的策略计算出对应的统计值，把结果存在插补器的statistics_属性里，后续调用transform()做缺失值替换的时候，就直接用提前算好的这个统计值填充所有缺失位置，不需要再重复计算。

结合你的示例代码说明：你示例中imp.fit([1, 2, 3, 4, 5, 6, 7])执行后，因为选的是均值策略，计算得到输入列表的均值为4，这个4就是当前插补器的statistics，后续你对s做插补时，里面的np.NaN和None都会被替换为4。

注：你示例代码中missing_values='NaN'的设置存在问题，代码里的缺失值是np.NaN（浮点类型空值）和None，不是字符串类型的'NaN'，实际运行时会无法识别到缺失值，建议修改为missing_values=np.nan。

内容的提问来源于stack exchange，提问作者irvan98