含NaN值的Latitude列致回归预测报错，如何修复？

报错核心是Latitude列存在NaN值，而sklearn的LinearRegression无法处理含缺失值的输入数据，以下是两种可行解决方法：

方法一：填充缺失值（推荐，避免丢失样本） #

用训练集的统计特征（如均值、中位数）填充NaN值，注意必须用训练集的统计量填充验证集，防止数据泄露：

# 计算训练集Latitude的均值
train_lat_mean = X_train['Latitude'].mean()

# 填充训练集和验证集的NaN值
X_train['Latitude'] = X_train['Latitude'].fillna(train_lat_mean)
X_vali['Latitude'] = X_vali['Latitude'].fillna(train_lat_mean)

# 提取特征
feature3 = ['Panel_Capacity', 'Solar_age', 'Panel_Capacity * Solar_age', 'Financed_Yes', 'Panel_Capacity*Financed_Yes','Latitude']
x3_train = X_train[feature3].to_numpy()
y3_train = y_train

from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error as mse

# 训练模型
model3 = LinearRegression()
model3.fit(x3_train, y3_train)

# 计算残差（修正原代码笔误：fitted2改为fitted3）
fitted3 = model3.predict(x3_train)
res3 = y3_train - fitted3

# 验证集预测与MSE计算
x3_vali = X_vali[feature3].to_numpy()
m3_generation_pred = model3.predict(x3_vali)
m3_vali_mse = mse(y_vali, m3_generation_pred)
print(m3_vali_mse)

如果Latitude是偏态分布，可改用中位数X_train['Latitude'].median()填充。

方法二：删除含缺失值的样本 #

若Latitude列的NaN样本占比极低、数据量充足，可直接删除这些样本：

# 删除训练集中Latitude含NaN的行
X_train_clean = X_train.dropna(subset=['Latitude'])
y_train_clean = y_train.loc[X_train_clean.index]

# 删除验证集中Latitude含NaN的行
X_vali_clean = X_vali.dropna(subset=['Latitude'])
y_vali_clean = y_vali.loc[X_vali_clean.index]

# 提取特征
feature3 = ['Panel_Capacity', 'Solar_age', 'Panel_Capacity * Solar_age', 'Financed_Yes', 'Panel_Capacity*Financed_Yes','Latitude']
x3_train = X_train_clean[feature3].to_numpy()
y3_train = y_train_clean

# 训练模型
model3 = LinearRegression()
model3.fit(x3_train, y3_train)

# 计算残差
fitted3 = model3.predict(x3_train)
res3 = y3_train - fitted3

# 验证集预测与MSE计算（使用清理后的验证集）
x3_vali = X_vali_clean[feature3].to_numpy()
m3_generation_pred = model3.predict(x3_vali)
m3_vali_mse = mse(y_vali_clean, m3_generation_pred)
print(m3_vali_mse)

额外注意 #

原代码存在笔误：res3 = y3_train - fitted2中的fitted2应为fitted3，否则会出现变量未定义报错，上述修正代码已同步修复。

内容的提问来源于stack exchange，提问作者ECHO LV