### 数据表格读取与解析及多种填充算法的封装 以下是一个完整的 Python 封装方案，支持从 `.xlsx` 文件中读取数据表，并提供均值填充、中位数填充和 K 近邻（KNN）填充的功能。 --- #### 1. 数据读取与解析 使用 `pandas` 库可以轻松加载 Excel 文件中的数据。以下是具体的实现代码： ```python import pandas as pd def load_excel(file_path, sheet_name=0): """ 加载Excel文件到DataFrame。 参数: file_path (str): Excel文件路径。 sheet_name (int/str): 工作表名称或索引，默认为第一个工作表。 返回: DataFrame: 包含数据的工作表。 """ try: data = pd.read_excel(file_path, sheet_name=sheet_name) return data except Exception as e: print(f"Error loading the excel file: {e}") return None ``` 此函数能够将指定路径下的 `.xlsx` 文件转换成 Pandas 的 DataFrame 对象[^2]。 --- #### 2. 缺失值填充方法封装 ##### （1）均值填充 均值填充适用于数值型特征，通过计算列的平均值替代缺失值。 ```python def mean_fillna(df): """ 使用均值填充DataFrame中的缺失值。 参数: df (DataFrame): 输入的数据框。 返回: DataFrame: 填充后的数据框。 """ numeric_columns = df.select_dtypes(include=[float, int]).columns.tolist() for col in numeric_columns: if df[col].isnull().sum() > 0: mean_value = df[col].mean() df[col].fillna(mean_value, inplace=True) return df ``` --- ##### （2）中位数填充 中位数填充同样针对数值型特征，尤其在存在极端值的情况下表现更优。 ```python def median_fillna(df): """ 使用中位数填充DataFrame中的缺失值。 参数: df (DataFrame): 输入的数据框。 返回: DataFrame: 填充后的数据框。 """ numeric_columns = df.select_dtypes(include=[float, int]).columns.tolist() for col in numeric_columns: if df[col].isnull().sum() > 0: median_value = df[col].median() df[col].fillna(median_value, inplace=True) return df ``` --- ##### （3）K-近邻填充 K-近邻填充是一种基于相似性的方法，适合复杂场景下填补缺失值。 ```python from sklearn.impute import KNNImputer def knn_fillna(df, n_neighbors=5): """ 使用K-近邻(KNN)填充DataFrame中的缺失值。 参数: df (DataFrame): 输入的数据框。 n_neighbors (int): 邻居数量，默认为5。 返回: DataFrame: 填充后的数据框。 """ numeric_df = df.select_dtypes(include=[float, int]) imputer = KNNImputer(n_neighbors=n_neighbors) filled_numeric_df = pd.DataFrame(imputer.fit_transform(numeric_df), columns=numeric_df.columns) result_df = df.copy() result_df[numeric_df.columns] = filled_numeric_df return result_df ``` --- #### 3. 主程序调用示例 下面展示如何综合以上功能，完成整个流程的操作。 ```python if __name__ == "__main__": # Step 1: 加载数据 file_path = "example.xlsx" data = load_excel(file_path) if data is not None: print("原始数据:\n", data) # Step 2: 均值填充 mean_filled_data = mean_fillna(data.copy()) print("\n均值填充后数据:\n", mean_filled_data) # Step 3: 中位数填充 median_filled_data = median_fillna(data.copy()) print("\n中位数填充后数据:\n", median_filled_data) # Step 4: KNN填充 knn_filled_data = knn_fillna(data.copy(), n_neighbors=3) print("\nKNN填充后数据:\n", knn_filled_data) ``` --- #### 4. 注意事项 - **适用范围**：均值和中位数填充仅限于数值型特征，而 KNN 可扩展至更多类型的变量组合[^1]。 - **性能考量**：对于大规模数据集，KNN 填充可能较为耗时，需合理选择邻居数目以平衡精度与效率。 - **数据质量**：无论哪种方法，在实施前都应仔细分析数据分布特点及其潜在偏差[^3]。 --- ###