泰坦尼克预测，均值填充后变成nan

# 特征缩放  目的：为了平和个属性之间的一个权重   方法：标准化、最小值-最大值归一化
# age和frare相差太大需要缩放
from sklearn.preprocessing import StandardScaler
ss_model=StandardScaler()
df1_after_impute_ss=ss_model.fit_transform(df1_after_impute[['Age','Fare']])
df1_after_impute_ss=pd.DataFrame(df1_after_impute_ss,columns=['Age','Fare'])
df1_after_impute_ss

结果

Age    Fare
0    -0.493883    -0.502445
1    0.775956    0.786845
2    -0.176423    -0.488854
3    0.537861    0.420730
4    0.537861    -0.486337
...    ...    ...
886    -0.097058    -0.386671
887    -0.731978    -0.044381
888    -0.335153    -0.176263
889    -0.176423    -0.044381
890    0.299766    -0.492378
891 rows × 2 columns

更改age和fare数据
df1_after_impute['Age']=df1_after_impute_ss['Age']
df1_after_impute['Fare']=df1_after_impute_ss['Fare']
执行
df1_after_impute.describe(include='all')结果变成了居然变成nan了

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7582083

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^