reference : http://www.cnblogs.com/chaosimple/p/4153158.html
关于缺失值（missing value）的处理
在sklearn的preprocessing包中包含了对数据集中缺失值的处理，主要是应用Imputer类进行处理。
首先需要说明的是，numpy的数组中可以使用np.nan/np.NaN（Not A Number）来代替缺失值，对于数组中是否存在nan可以使用np.isnan()来判定。
使用type(np.nan)或者type(np.NaN)可以发现改值其实属于float类型，代码如下：
|
1 2 3 4 5 6 7 8 |
|
因此，如果要进行处理的数据集中包含缺失值一般步骤如下：
1、使用字符串‘nan‘来代替数据集中的缺失值；
2、将该数据集转换为浮点型便可以得到包含np.nan的数据集；
3、使用sklearn.preprocessing.Imputer类来处理使用np.nan对缺失值进行编码过的数据集。
代码如下：
|
1 2 3 4 5 6 7 8 9 10 |
|
上述代码使用数组X去“训练”一个Imputer类，然后用该类的对象去处理数组Y中的缺失值，缺失值的处理方式是使用X中的均值（axis=0表示按列进行）代替Y中的缺失值。
当然也可以使用imp对象来对X数组本身进行处理。
通常，我们的数据都保存在文件中，也不一定都是Numpy数组生成的，因此缺失值可能不一定是使用nan来编码的，对于这种情况可以参考以下代码：
|
1 2 3 4 5 6 7 8 9 10 11 12 |
|
上述代码line模拟从文件中读取出来的一行数据，使用nan来代替原始数据中的缺失值编码，将其转换为浮点型，然后使用X中的均值填补Z中的缺失值。