有效地将 pandas 数据帧转换为 h2o 帧

我有一个 Pandas 数据框，其中有Encoding: latin-1并由以下分隔;。数据框非常大，几乎是size: 350000 x 3800。我最初想使用 sklearn 但我的数据框缺少值（NAN values）所以我无法使用 sklearn 的随机森林或 GBM。所以我不得不使用H2O's用于训练数据集的分布式随机森林。主要问题是当我这样做时数据帧没有有效转换h2o.H2OFrame(data)。我检查了提供编码选项的可能性，但文档中没有任何内容。

有人对此有什么想法吗？任何线索都可以帮助我。我还想知道是否有其他库（例如 H2O）可以非常有效地处理 NAN 值？我知道我们可以估算列，但我不应该在我的数据集中这样做，因为我的列是来自不同传感器的值，如果值不存在则意味着传感器不存在。我只能使用Python

import h2o
import pandas as pd

df = pd.DataFrame({'col1': [1,1,2], 'col2': ['César Chávez Day', 'César Chávez Day', 'César Chávez Day']})
hf = h2o.H2OFrame(df)

由于您面临的问题是由于数据集中的 NAN 数量较多，因此应该首先处理这个问题。有两种方法可以做到这一点。

1. Replace NAN有一个明显超出范围的值。 前任。如果某个功能在 0-1 之间变化，则替换所有功能NAN该功能为 -1。

2. 使用类Imputer http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.Imputer.html处理 NAN 值。这将取代NAN具有该特征的均值、中位数或众数。