使用SimpleImputer均值策略遇ValueError，非数值数据转换失败求助

问题根源 #

报错核心原因是：SimpleImputer的mean填充策略仅支持数值型数据，但你的数据集包含字符串类型列（比如OWN_OCCUPIED列中的'PUTNAM'），直接对整个DataFrame执行均值填充必然失败。

修复步骤 #

1. 优化OWN_OCCUPIED列的NaN替换 #

你之前用循环判断的代码可以简化，用pandas内置方法更高效：

import pandas as pd
import numpy as np

# 读取数据（假设missing_val已定义）
sample_real_state = pd.read_csv('Sample_real_estate_data.csv', na_values=missing_val)
# 将OWN_OCCUPIED中可转为整数的内容替换为NaN
sample_real_state['OWN_OCCUPIED'] = pd.to_numeric(sample_real_state['OWN_OCCUPIED'], errors='coerce').astype('object')

2. 拆分数值列与分类列 #

把数据集分成数值型和字符串（分类）型两部分，分别处理缺失值：

# 分离数值列和分类列
numeric_cols = sample_real_state.select_dtypes(include=['int64', 'float64']).columns
categorical_cols = sample_real_state.select_dtypes(include=['object']).columns

numeric_data = sample_real_state[numeric_cols]
categorical_data = sample_real_state[categorical_cols]

3. 分别填充缺失值 #

• 数值列用mean策略填充
• 分类列可选择most_frequent（众数）或constant（自定义值）策略填充

from sklearn.impute import SimpleImputer

# 处理数值列缺失值
imp_mean = SimpleImputer(strategy='mean')
numeric_imputed = imp_mean.fit_transform(numeric_data)
numeric_imputed_df = pd.DataFrame(numeric_imputed, columns=numeric_cols)

# 处理分类列缺失值（以众数为例，也可替换为constant策略）
imp_mode = SimpleImputer(strategy='most_frequent')
categorical_imputed = imp_mode.fit_transform(categorical_data)
categorical_imputed_df = pd.DataFrame(categorical_imputed, columns=categorical_cols)

4. 合并处理后的数据集 #

# 合并数值列和分类列
final_data = pd.concat([numeric_imputed_df, categorical_imputed_df], axis=1)
# 恢复原数据集的列顺序（可选）
final_data = final_data[sample_real_state.columns]

额外说明 #

如果需要对特定列用自定义值填充（比如你代码里的fill_value="work from home"），可单独处理该列：

# 对OWN_OCCUPIED列用自定义值填充缺失值
sample_real_state['OWN_OCCUPIED'] = sample_real_state['OWN_OCCUPIED'].fillna("work from home")

内容的提问来源于stack exchange，提问作者HARSH PATEL