Python中的热插板插补

Question

我一直在寻找Python代码，该代码将允许我替换数据框列中缺少的值。我的分析重点是生物统计学，因此我不满意使用均值/中位数/模式替换值。我想应用"Hot Deck Imputation"方法。

我找不到在线的任何Python函数或程序包，这些函数或程序包都使用数据框的列，并使用“ Hot Deck Imputation”方法填充缺少的值。

但是，我确实看到了此GitHub project，并且[[没有发现觉得有用。

以下是我的一些数据的示例（假设这是一个熊猫数据框）：

| age | sex | bmi  | anesthesia score | pain level |
|-----|-----|------|------------------|------------|
| 78  | 1   | 40.7 | 3                | 0          |
| 55  | 1   | 25.3 | 3                | 0          |
| 52  | 0   | 25.4 | 3                | 0          |
| 77  | 1   | 44.9 | 3                | 3          |
| 71  | 1   | 26.3 | 3                | 0          |
| 39  | 0   | 28.2 | 2                | 0          |
| 82  | 1   | 27   | 2                | 1          |
| 70  | 1   | 37.9 | 3                | 0          |
| 71  | 1   | NA   | 3                | 1          |
| 53  | 0   | 24.5 | 2                | NA         |
| 68  | 0   | 34.7 | 3                | 0          |
| 57  | 0   | 30.7 | 2                | 0          |
| 40  | 1   | 22.4 | 2                | 0          |
| 73  | 1   | 34.2 | 2                | 0          |
| 66  | 1   | NA   | 3                | 1          |
| 55  | 1   | 42.6 | NA               | NA         |
| 53  | 0   | 37.5 | 3                | 3          |
| 65  | 0   | 31.6 | 2                | 2          |
| 36  | 0   | 29.6 | 1                | 0          |
| 60  | 0   | 25.7 | 2                | NA         |
| 70  | 1   | 30   | NA               | NA         |
| 66  | 1   | 28.3 | 2                | 0          |
| 63  | 1   | 29.4 | 3                | 2          |
| 70  | 1   | 36   | 3                | 2          |

我想应用一个Python函数，该函数允许我输入一列作为参数，并使用“热甲板插补”方法将缺失值替换为估算值的列返回。 
我将其用于使用Statsmodels.api进行线性和逻辑回归等模型进行统计建模的目的。我没有将此用于机器学习。
任何帮助将不胜感激！

Answer 1

您可以使用使用ffill（LOCF）热代码插补的last observation carried forward。

#...
df.fillna(method='ffill', inplace=True)

Scikit学习插补提供KNN，Mean，Max和其他输入法。（https://scikit-learn.org/stable/modules/impute.html）
# sklearn '0.22.x'
from sklearn.impute import KNNImputer
imputer = KNNImputer(n_neighbors=2, weights="uniform")
# make sure that NaN are actually NaN

df['imputed_x'] = impute.fit_tranform(df[['x']])