重建缺失数据

重建缺失数据是数据预处理中一个重要的任务，下面是一种常用的解决方法，包含代码示例：

1. 使用均值填充缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的数据集
data = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                     'B': [np.nan, 2, 3, np.nan, 5]})

# 使用均值填充缺失值
data.fillna(data.mean(), inplace=True)

print(data)

输出结果：

     A    B
0  1.0  3.333333
1  2.0  2.000000
2  3.0  3.000000
3  4.0  3.333333
4  5.0  5.000000

2. 使用中位数填充缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的数据集
data = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                     'B': [np.nan, 2, 3, np.nan, 5]})

# 使用中位数填充缺失值
data.fillna(data.median(), inplace=True)

print(data)

输出结果：

     A    B
0  1.0  3.0
1  2.0  2.0
2  3.0  3.0
3  4.0  3.0
4  5.0  5.0

3. 使用众数填充缺失值：

import pandas as pd
import numpy as np

# 创建一个包含缺失值的数据集
data = pd.DataFrame({'A': [1, 2, np.nan, 4, 5],
                     'B': [np.nan, 2, 3, np.nan, 5]})

# 使用众数填充缺失值
data.fillna(data.mode().iloc[0], inplace=True)

print(data)

输出结果：

     A    B
0  1.0  2.0
1  2.0  2.0
2  1.0  3.0
3  4.0  2.0
4  5.0  5.0

这些方法只是填充缺失值的一些简单示例，根据具体的数据集情况，可能需要采用更复杂的方法来处理缺失值，例如使用回归模型、插值方法等。