predict() 返回全 nan 的主要原因是输入特征矩阵 x 含未处理的 nan 值，尤其树模型会静默输出全 nan；其次为训练与预测预处理不一致、使用不支持 nan 的模型、pipeline 中间步骤产生 nan 或索引对齐导致隐式 nan。
为什么 predict() 返回全 NaN？先查输入数据是否含 NaN
Scikit-learn 多数模型（如 LinearRegression、RandomForestRegressor）在调用 predict() 前不会主动检查 X 中是否存在 NaN，但一旦遇到，部分模型（尤其是基于树的）会静默返回全 NaN 预测值，而非报错。这不是 bug，是某些 estimator 的默认行为。
实操建议：
- 运行
np.isnan(X).any()或pandas.isna(X).sum().sum() > 0检查特征矩阵X是否含缺失值 - 特别注意：从 CSV 读取时，空字符串、
"NULL"、"?"可能未被自动识别为NaN，需提前用pd.read_csv(..., na_values=["?", "NULL", ""])显式声明 - 如果
X来自pd.get_dummies()后的 one-hot 编码，检查原始分类列是否含NaN—— 默认会生成一列col_name_nan，若未处理，该列全为 0 或 1，但不直接导致NaN；真正危险的是原始NaN进入数值列后未填充
fit() 和 predict() 使用了不同预处理器，导致特征维度/顺序不一致
常见于手动对训练集和测试集分别调用 StandardScaler.fit_transform() 和 StandardScaler.transform()，但忘了在预测前对新数据也做相同缩放；更隐蔽的是：用 LabelEncoder 分别 fit 测试集标签，或对训练/测试集各自做 get_dummies()，造成列数不匹配。
实操建议：
- 永远只对训练集调用
scaler.fit_transform(X_train)，预测时仅用scaler.transform(X_test)或scaler.transform(new_X) - 避免对
X_test单独调用pd.get_dummies(X_test)；应先用pd.get_dummies(X_train)得到列名，再用pd.get_dummies(X_test).reindex(columns=train_columns, fill_value=0) - 检查
X_train.shape[1]和X_test.shape[1]是否相等；不等就说明预处理没对齐，predict()可能返回NaN或直接报ValueError
模型本身不支持缺失值，且你用了错误的 estimator
不是所有 scikit-learn 模型都能容忍 NaN 输入。例如 LinearRegression、SVC、KMeans 会直接报 ValueError: Input contains NaN；而 RandomForestRegressor（v1.0+）和 HistGradientBoostingRegressor 支持内置缺失值处理，但前提是：你没在预处理中把 NaN 替换成任意数字（比如 -999），否则它们就“看不到”缺失语义了。
实操建议：
- 确认你用的是支持原生缺失值的模型：
RandomForestRegressor（>=1.0）、HistGradientBoostingRegressor、DecisionTreeRegressor；旧版RandomForestRegressor不支持 - 如果要用这些模型，保留原始
np.nan，不要用fillna()填任意数 —— 否则缺失信息丢失，且模型无法触发内部缺失分支逻辑 - 验证方式：用含
np.nan的小数据跑model.fit(X_with_nan, y)，不报错即支持；若报错，就得老老实实做 imputation
pipeline 中某一步骤出错，但异常被吞掉
当你用 sklearn.pipeline.Pipeline 或 ColumnTransformer 时，某个 transformer（如自定义的 SimpleImputer 或 FunctionTransformer）返回了全 NaN 数组，后续步骤可能继续运行，最终 predict() 输入全是 NaN，于是输出也是全 NaN。
实操建议：
- 逐层调试 pipeline：用
pipe[:-1].transform(X)获取中间输出，再检查是否含NaN - 对自定义 transformer，确保其
transform()方法返回非NaN数组；尤其注意np.where、np.select等操作遗漏 else 分支时，会填np.nan - 启用
verbose=True参数看 pipeline 各步执行日志，但注意它不显示数值内容，只能辅助定位哪一步执行了
最易被忽略的一点：NaN 在 pandas DataFrame 中可能藏在索引对齐失败后的隐式广播里，比如 df1.join(df2, how="left") 后某列突然出现 NaN，而你只盯着原始列检查。动手前先 df.info() 和 df.isna().sum() 过一遍。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
