如何在 Python 中处理分类变量的缺失值

在 Python 中处理分类变量的缺失值，我们可以采用以下两种方法：

1. 删除缺失值

可以选择删除所有含有缺失值的行或列。这种方法非常简单，但也容易导致数据量减少或者信息丢失的问题。如果数据集较大或者缺失值数量不多，可以采用该方法。

在 Pandas 中使用 dropna() 函数可以实现该功能。下面是一个示例：

import pandas as pd

# 读取数据集
data = pd.read_csv("data.csv")

# 删除含有缺失值的行
clean_data = data.dropna()

1. 填充缺失值

可以考虑对缺失值进行填充，补充成其他的值，并且这个值在分类变量中没有出现过，比如字符串 "NA"、"Unknown" 等等。常见的填充方法有众数、固定值以及 K-最近邻算法等等。

在 Pandas 中使用 fillna() 函数可以实现填充功能。下面是一个示例：

import pandas as pd

# 读取数据集
data = pd.read_csv("data.csv")

# 使用众数进行填充
data["category"].fillna(data["category"].mode()[0], inplace=True)

其中，data["category"].mode()[0] 表示获取 "category" 列中出现次数最多的值，并且使用 inplace 参数可以在原数据集上进行修改。

需要注意的是，对于分类变量缺失值的处理需要谨慎，我们需要充分了解数据集中缺失值的来源，归纳统计规律，进行合适的填充或者删除。