缺失值插补方法_运营推广

你有没有盯着Excel里一片片刺眼的“#N/A”抓狂过？小编就遇到过！上次分析销售数据，缺了十几天的记录，模型跑出来全是鬼画符——缺失值简直是数据分析的暗坑，踩中了轻则结果失真，重则结论翻车。但别慌！今天咱们就唠唠怎么用插补法把坑填平，保你数据稳当、模型不崩！

1. 均值/中位数补缺：

•
适用场景：数字型数据，比如温度、销售额。要是缺得少（<10%），直接上全体平均值就行。但话说回来，如果数据里混进几个离谱的异常值（比如某天销售额误输成1个亿），这时候中位数就更扛造——毕竟它专治“极端分子”。
•
操作口诀：Excel里点个AVERAGE或MEDIAN，1秒搞定。

2. 众数补分类：

•
举个栗子：调查问卷里“职业”空了几行？那就填出现最多的“学生”或“白领”。不过注意！要是选项太分散（比如10个人选8种职业），硬塞众数可能反而带偏节奏。

3. 前后填充：时间序列专属

•
典型操作：前向填充（拿昨天的温度补今天）或后向填充（用明天的补今天）。适合气温、股价这类“惯性强”的数据。但要是数据突然跳水（比如疫情封城导致销量暴跌），可别这么干——否则平滑了波动，掩盖了真相！

1. KNN插补：找“邻居”借数

•
核心逻辑：和缺数据的样本越像的“邻居”，说话越有分量。比如补“身高”时，性别相同、年龄相近的人更值得参考。
•
实战TIP：用Python的KNNImputer，调n_neighbors=3（一般3-5个邻居够用）——别贪多，否则隔壁老王都来掺和。

2. 多重插补：高端操作的标配

3. 拉格朗日插值：玩转连续变化

•
最适合：传感器按秒记录但丢了几帧的温度数据。原理是用多项式曲线串起已知点，强行把断线连成光滑曲线。代码虽复杂（要调scipy的lagrange函数），但对周期性波动贼灵敏！

1.
先问再补：
缺数据是随机漏的（MCAR），还是穷人不填收入（MNAR）？后者硬补会翻车！建议先跑个缺失模式分析（SPSS里点“分析→缺失值分析”）。
2.
分类变量别碰均值：
见过有人用“平均职业=1.5”补职业类型？大忌！离散数据老实众数或KNN。
3.
效果验证不能省：
补完的数据，和原始分布对比直方图——要是补出个“双峰骆驼背”，赶紧回炉重造！

个人观点：插补不是变魔术，而是带枷锁跳舞。我曾用KNN补客户收入，结果高收入群全被拉平均——后来才知道，高收入者普遍拒填收入（典型的MNAR！）。这教训告诉我：补得再妙，不如源头防漏。下次设计问卷，必加“不想填收入？选个范围也行嘛！”