fit_transform本身不会产生缺失值，它先fit计算填充值再transform替换NaN；缺失值未被填充的原因包括策略与数据类型不匹配、missing_values未正确设置、测试集误用fit_transform、输入非二维结构或含不可处理列。
fit_transform 本身不会产生缺失值——它只是先 fit（计算填充值），再 transform（用这些值替换 NaN）。如果你在调用 fit_transform 后反而看到缺失值“变多”或“没被填上”，说明问题出在数据结构、策略配置或类型兼容性上。
SimpleImputer 的 strategy 参数没对上数据类型
SimpleImputer 对数值列和类别列支持的填充策略不同，选错就会静默失效或报错：
- strategy='mean' 或 'median' 只能用于数值列；若误用于字符串列，会直接抛 ValueError: Cannot use mean strategy with non-numeric data
- strategy='most_frequent' 和 'constant' 才支持 object / category 类型
- 混合类型 DataFrame 直接传给 SimpleImputer（不指定列）时，它会跳过非数值列，导致那些列的 NaN 保留不动
实操建议：
- 先用
df.select_dtypes(include=['number'])分离数值列，单独用mean填充 - 再用
df.select_dtypes(include=['object', 'category'])处理类别列，配most_frequent - 别依赖“全表一把梭”，
ColumnTransformer是更安全的选择
missing_values 参数和实际缺失编码不一致
SimpleImputer 默认只识别 np.nan，但现实数据里缺失常被记为 ''、'N/A'、-999、0 等。如果没显式声明，这些值会被当成有效数据，fit_transform 完全不碰它们。
常见错误现象：
- 原始数据有空字符串，但
imputer = SimpleImputer(strategy='mean')后仍看到''—— 因为它没被识别为缺失 - 稀疏矩阵中用
-1表示缺失，但没设missing_values=-1，结果-1被当真实值参与均值计算
实操建议：
- 先检查缺失值真实形态：
print(df.isna().sum())+print(df.replace('', np.nan).isna().sum()) - 数值型中用
-999表示缺失？写成SimpleImputer(missing_values=-999, strategy='median') - Pandas 中统一转
np.nan：用df.replace(['', 'N/A', -999], np.nan)预处理
在 Pipeline 中误对测试集用了 fit_transform
这不是 fit_transform 本身的问题，而是工程误用：把本该只在训练集上执行的 fit_transform，也用在了测试集上。后果是：
- 测试集独立计算均值/众数，破坏了与训练集的一致性
- 若测试集某列全为 NaN，fit 阶段会因无法计算统计量而崩溃（如 Mean of empty slice）
- 更隐蔽的是：测试集含新类别（类别列）+ most_frequent，可能触发 ValueError: Found unknown categories
实操建议：
- 训练集：用
imputer.fit_transform(X_train) - 测试集：严格只用
imputer.transform(X_test)（不能带fit） - Pipeline 内部自动处理这个逻辑，所以优先用
Pipeline([('impute', SimpleImputer(...)), ...])
输入不是二维数组，或含非数值 object 列
SimpleImputer 要求输入是二维结构（shape = (n_samples, n_features)），且默认只处理数值列。如果传入：
- Pandas Series（一维），会报 ValueError: Expected 2D array
- DataFrame 含 ID 列、时间戳列、JSON 字符串列等 object 类型，mean 策略直接跳过，NaN 留在原地
- 使用 df.values 后丢失 dtype 信息，某些 object 列被强转为 object，仍无法被 mean 处理
实操建议：
- 确保输入是 DataFrame 或二维 numpy 数组：
X_train = df[['age', 'income']].copy()（双括号！） - 避免
df['age'].values这种单列取法；要二维就用df[['age']] - 提前清理非特征列：ID、备注、日志字段别塞进
fit_transform
真正容易被忽略的点是：fit_transform 的“填充效果”完全取决于你喂给它的数据长什么样、怎么标记缺失、以及列类型是否匹配策略。它不会猜测你的业务逻辑，也不会自动修复数据杂乱——它只是忠实执行你声明的规则。
librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具，基于 NumPy 和 SciPy 构建，用于科学音频计算。
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！
