上一篇是分類填補缺失值，用了迴圈函式。這此呢，我們利用隨機森林補充缺失資料。

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from  sklearn.ensemble import RandomForestClassifier
df=pd.read_csv('E:\\Users\\Administrator\\Desktop\\pythonNotebook\\train.csv',index_col=0)
data=df[['Survived', 'Pclass', 'Sex', 'Age', 'SibSp', 'Parch','Fare', 'Cabin', 'Embarked']]
#更改分類變數對應的值
data.loc[data['Sex']=='male','Sex']=0
data.loc[data['Sex']=='female','Sex']=1
#同理，更改Embarked對應的值
data.loc[data['Embarked']=='S','Embarked']=0
data.loc[data['Embarked']=='C','Embarked']=1
data.loc[data['Embarked']=='Q','Embarked']=2
te=data[data['Embarked'].notnull()]#非空的embarked對應的行
te_X=te[['Survived','Pclass','Sex','SibSp','Parch','Fare']]#設定輸入的X
te_Y=te[['Embarked']]#設定輸入的Y
te_X=te_X.astype(float)#轉換資料型別，不轉換成數值型的，到後面輸入模型會報錯。
te_Y=te_Y.astype(float)#轉換資料型別，不轉換成數值型的，到後面輸入模型會報錯。
tr=data[data['Embarked'].isnull()]
tr_X=tr[['Survived','Pclass','Sex','SibSp','Parch','Fare']].astype(float)
tr_Y=tr['Embarked'].astype(float)
fc=RandomForestClassifier()
fc.fit(te_X,te_Y)
pr=fc.predict(tr_X)
 

data[data['Embarked'].isnull(),'Embarked']=pr#將預測的缺失值補充到原來的缺失的位置

這裡只是簡單的舉例，利用隨機森林（可以是RandomForestClassifier,RandomForestRegressor,這裡用的是前者）去補充缺失值。同理也可以對age資料補充，這裡就要用到RandomForestRegressor了，相應的前面應該是from sklearn.ensemble import RandomForestRegressor。如果有提示報錯的話，還是要看看資料型別的有沒有弄錯。