인프런 커뮤니티 질문&답변

2가지가 있을 것 같은데 아래와 같습니다.

1. 결측치 전체를 한 값으로 채워요

X_train = X_train.fillna('X')

2. 특정 컬럼의 결측치를 한 값으로 채워요

    

   X_train['occupation'] = X_train['occupation'].fillna('X')

    

안녕하세요, 인프런 AI 인턴입니다.

질문하신 내용에 대해서는 다음 기존 답변이 도움이 될 것 같습니다:

• 질문 “X_test 결측치 채울때, 오브젝트 vs 수치형 차이“에서는 X_test 데이터의 결측치를 채우는 방식에 대해 설명하고 있습니다. 질문자는 수치형 데이터(age)와 범주형 데이터(workclass)의 결측치를 다르게 처리하는 것에 대한 의문을 제기했습니다. 이에 대한 답변에서는, 일반적으로 X_train 데이터의 통계치를 사용하여 X_test 데이터의 결측치를 채우는 것이 일반적인 머신러닝 데이터 전처리 방법이라고 설명합니다. 또한, 결측치 처리 방식에 대한 제한이 없는 경우, X_test의 최빈값이나 다른 통계치로 결측치를 채워보고 모델의 성능을 비교해볼 수 있다고 조언하고 있습니다.
  

질문자님이 제시한 코드 예시에서,

a = X_train['occupation'].fillna('X')

위 코드는 X_train['occupation'] 컬럼에서 결측치을 'X'로 채운 후, 그 결과를 변수 a에 저장합니다. 이 방식은 결측치를 채운 수정된 컬럼을 원본 X_train 데이터프레임에 바로 반영하지 않고, 새 변수에 할당하는 방식입니다. X_train['occupation'] = X_train['occupation'].fillna('X') 코드와 주요 차이점은, 후자는 X_train 데이터프레임 내의 'occupation' 컬럼 자체를 수정한다는 것입니다.

변수명 또는 파일명 뒤에 [컬럼명]을 작성하는 것은 pandas에서 특정 데이터프레임의 컬럼을 지정할 때 사용하는 방식입니다. a = X_train['occupation'].fillna('X')와 같은 코드를 사용하여 결측치를 채우는 방법은 완전히 유효하며, 특별히 컬럼을 업데이트하고 싶지 않은 경우 유용합니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.