simpleimputer默认strategy='mean'仅处理数值列，遇非数值列报错；需先筛选数值列或改用'most_frequent'/'constant'；fit后须复用同一实例transform，避免重算统计量；transform返回数组，需手动重建dataframe保留列名索引。
SimpleImputer 默认策略为什么填不出预期值？
默认用 strategy='mean' 时，它只对数值列生效，遇到含字符串或混合类型 DataFrame 会直接报错 ValueError: Cannot use mean strategy with non-numeric data。这不是 bug，是设计限制——它压根不解析字符串，也不做类型推断。
实操建议：
- 先用
df.select_dtypes(include=['number'])明确筛出数值列再传给SimpleImputer，别直接喂整个 DataFrame - 如果必须处理类别型缺失，改用
strategy='most_frequent'，但它对 NaN 和空字符串不自动等价，得先统一成np.nan -
strategy='constant'最稳妥，但填的常量要和列类型一致：数值列填数字，字符串列得显式指定fill_value='missing'
fit_transform 和 transform 分开调用时为什么报错？
典型错误是训练时用 fit_transform(train_df)，预测时却对 test_df 直接调用 fit_transform(test_df) —— 这会导致填充基准（如均值）每次重算，破坏数据一致性，模型效果崩坏。
正确做法只有两步：
- 在训练集上只调一次
imputer.fit(train_numeric)，保存这个 fitted 实例 - 对训练集和测试集都用同一个实例调
transform()，而不是再次fit_transform() - 如果用 Pipeline，
SimpleImputer必须放在最外层预处理步骤里，避免被后续步骤干扰 fit 状态
如何让 SimpleImputer 兼容 pandas 的列名和索引？
SimpleImputer.transform() 返回的是纯 NumPy 数组，原始列名、索引全丢。这不是缺陷，是接口契约——它只负责填补，不负责包装。
补救方法很简单：
- 用
pd.DataFrame(imputer.transform(df_numeric), columns=df_numeric.columns, index=df_numeric.index)手动重建 DataFrame - 如果列顺序在 pipeline 中可能变化，务必在
fit前记录列名：cols = df_numeric.columns.tolist()，之后 transform 后按此顺序赋列 - 别依赖
set_params()动态改策略后再 transform——fitted 的 imputer 不允许改策略，会抛NotFittedError
用 median 或 most_frequent 时为什么结果全是 nan？
常见于列中非空值全是 None 或字符串 'NaN'（不是真正的 np.nan），SimpleImputer 无法识别这类“假缺失”，计算中位数时返回 np.nan，填进去还是 nan。
排查和修复：
- 用
df[col].isna().sum()看真实 nan 数量，再对比df[col].isnull().sum()（二者应一致），不一致说明有字符串型伪缺失 - 预处理加一步：
df = df.replace({'NaN': np.nan, 'NULL': np.nan, '': np.nan}) -
strategy='median'要求至少一个非 nan 值，否则报ValueError: Input contains NaN—— 这其实是提示你该列全空，得人工决策是否删列
df.interpolate() 或写自定义函数，别硬塞进 SimpleImputer 里。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！
