仅在值范围内运算

Question

我有一个数据框，需要在其中基于其他样本来估算一个值。该列为数字，表示行业编号fx（1111-IT，1234-Finance，依此类推）。我尝试应用KNNImputer，它确实会产生数字，但据我了解，它会平均其邻居的输出，从而生成该列中不存在的数字。

伪造的代码如下：

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

所以问题是：如何仅考虑现有值而对数字列进行插补？

Answer 1

答案实际上非常简单：只需在knn中请求一个邻居：

imputer = KNNImputer(n_neighbors=1)

这样，将不会在（许多）邻居之间对knn预测进行平均，但实际上它们将仅由数据中已经存在的值组成。

注意，这是您实际上要提出的programming问题的答案；如果这实际上是基于数据和功能的特定形式的正确方法，则超出了答案的范围（并且可能是题外之词或SO）。