Prédire les valeurs manquantes avec le module Imputer de scikit-learn

Question

J'écris un programme très basique pour prédire les valeurs manquantes dans un jeu de données en utilisant scikit-learn's Imputer class. 

J'ai créé un tableau NumPy, créé un objet Imputer avec strategy = 'mean' et effectué fit_transform () sur le tableau NumPy.

Quand j'imprime le tableau après avoir effectué fit_transform (), les 'Nan restent, et je ne reçois aucune prédiction.

Qu'est-ce que je fais mal ici? Comment puis-je prédire les valeurs manquantes?

import numpy as np
from sklearn.preprocessing import Imputer

X = np.array([[23.56],[53.45],['NaN'],[44.44],[77.78],['NaN'],[234.44],[11.33],[79.87]])

print X

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit_transform(X)

print X

Answer 1

Pour la documentation , sklearn.preprocessing.Imputer.fit_transform renvoie un nouveau tableau, il ne modifie pas le tableau d'arguments. Le correctif minimal est donc:

X = imp.fit_transform(X)

Answer 2

Comme le nouveau tableau est renvoyé par la fonction de transformation, je dois donc le stocker dans le même tableau (X) pour modifier les valeurs.

 from sklearn.preprocessing import Imputer
 imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)  
 imputer = imputer.fit(X[:,1:3])
 X[:,1:3]= imputer.transform(X[:,1:3])