python - 如何在聚类分析中处理空值？

Question

我从事金融科技业务，并且拥有如下客户级别的数据：

客户ID	第1天	第2天	第3天	第4天
1	50	0	钠	5
2	钠	10	钠	钠
3	-100	-100	5	0
4	10	-60	0	100
5	20	钠	-20	钠

在上述数据中，行代表客户唯一 ID，列代表一年中的特定日期，值代表该特定日期的贷记和借记净额。

例如，对于 customer ID = 1on day1，credit = 100因此debit = 50净值为 50。零表示credit = debit当天。

NaN在我的数据中，仅显示在那一天，客户没有从应用程序进行任何贷记或借记交易，而这些知识对我来说很重要。让NaN成为NO INTERACTION的实例。

现在我的问题是如何告诉 scikit-learn python 中的 K-Means 将 NaN 值视为无交互？我不想消除NaN价值观。我也不想NaN用平均值或中值替换值。NaN值对我来说是附加信息，我如何保留这些信息？

标签： pythonscikit-learncluster-analysisnank-means

Answer 1

k-means和其他聚类方法使用距离（欧几里得距离）来计算。

要计算距离，您需要数字，所有事物都必须是定量的。

确切地说，您必须删除那些或用最佳代表（中位数或平均值或 0）替换那些 NaN 值。

我该如何决定？

您认为哪个客户更接近 1 号客户？

客户 2、3 还是 4？

客户ID	第1天	第2天	第3天	第4天
1	50	0	钠	5
2	50	0	0	5
3	50	0	中位数	5
4	50	0	意思是	5