simpleimputer测试集不能用fit_transform，因会重新计算统计量导致数据泄露；必须复用训练集fit得到的statistics_参数，用transform统一填充。
Scikit-learn 本身不直接提供“自动智能填充”，SimpleImputer 是唯一官方支持的缺失值处理工具，它只做统计替换（均值、中位数、众数），不能建模预测缺失值。
为什么不能用 fit_transform() 在测试集上单独调用 SimpleImputer
常见错误是：先在训练集上 fit_transform()，再对测试集直接调用 transform() —— 这没问题；但若误用 fit_transform() 对测试集重拟合，会导致数据泄露和结果失真。因为 fit() 会重新计算统计量（比如测试集自己的均值），破坏了训练/测试一致性。
- 训练阶段：用
imputer.fit(X_train)学习填充参数（如列均值），再imputer.transform(X_train)应用 - 测试阶段：只能用
imputer.transform(X_test)，复用训练时学到的参数 - 如果测试集含新类别（分类变量），
strategy='most_frequent'可能失效，需提前检查imputer.statistics_
SimpleImputer 的 strategy 参数怎么选？
选错策略会让模型学偏。数值型字段填中位数比均值更抗异常值；类别型字段填众数最稳妥，但要注意空字符串或 None 是否被当作有效类别。
-
strategy='mean'：仅适用于近似正态分布的数值列，对长尾或含离群点的数据会扭曲分布 -
strategy='median'：推荐作为数值型默认选项，鲁棒性强 -
strategy='most_frequent'：适合类别型，但要求该列无np.nan以外的缺失标识（如'?'或空格需先清洗） -
strategy='constant'：配合fill_value使用，例如用-999填数值列，后续可加特征指示列标记是否被填充
如何避免 SimpleImputer 把整列 NaN 当成合法值？
当某列全为 np.nan，SimpleImputer 默认报错 ValueError: Must have at least one non-null value。这不是 bug，而是设计约束——它无法从空信息中推断填充值。
- 预检查：用
X_train.isnull().all(axis=0)找出全空列，手动删或替换为占位符（如'MISSING'）再进 pipeline - 列类型要明确：DataFrame 中混杂类型（如某数值列实际存了字符串）会导致
mean策略失败，报TypeError: unsupported operand type(s) for +: 'float' and 'str' - 稀疏矩阵输入时，
SimpleImputer不支持strategy='most_frequent'，会抛NotImplementedError
真正麻烦的不是怎么填，而是填完之后要不要告诉模型“这里原来缺”。比如用 strategy='constant' 填 -999，最好额外加一列 col_name_is_imputed，否则树模型可能把 -999 当成真实信号学走。
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！
