为什么scikitlearn StandardScaler不支持保留操作？

Question

当我想做机器学习项目时，我想将我的输入扩展到（0,1）

我使用sklearn函数来实现这一点，比如StandScaler（） 但我发现，一旦我的数据包含nan，fit_transform（）将失败，如下所示：

ValueError: Input contains NaN, infinity or a value too large for dtype('float64').

但我认为有某种需要，希望保留nan，并在其他非nan数据中进行标准缩放

为什么我们不支持这一点？有什么方法可以使用它吗

Answer 1

最可能的情况是，您使用的是旧版（即0.20之前的版本）的scikit learn。该问题确实在v0.20中得到解决；从change log开始：

Major Feature: NaN values are ignored and handled in the following preprocessing methods: preprocessing.MaxAbsScaler, preprocessing.MinMaxScaler, preprocessing.RobustScaler, preprocessing.StandardScaler, preprocessing.PowerTransformer, preprocessing.QuantileTransformer classes and preprocessing.maxabs_scale, preprocessing.minmax_scale, preprocessing.robust_scale, preprocessing.scale, preprocessing.power_transform, preprocessing.quantile_transform functions

另请参见已关闭的Github问题#10404和相应的合并请求#11206

因此，只要将您的scikit learn升级到最新版本，您就可以了，也就是说，在这样的预处理过程中，NaN值确实会被忽略