使用sklearn.SimpleImputer填充字符串列缺失值时遇ValueError问题

我有一个包含缺失值（NA）的DataFrame列列表，所有列的dtype均为str：

X_train_objects = ['HomePlanet',
 'Destination',
 'Name',
 'Cabin_letter',
 'Cabin_number',
 'Cabin_letter_2']

我想用SimpleImputer以众数（most frequent）填充这些缺失值，但运行代码时收到报错：ValueError: Columns must be same length as key。

DataFrame（X_train）样例（其中Destination列全为np.NA）：

{'PassengerId': {47: '0045_02',
  128: '0138_02',
  139: '0152_01',
  347: '0382_01',
  430: '0462_01'},
 'HomePlanet': {47: 'Mars',
  128: 'Earth',
  139: 'Earth',
  347: nan,
  430: 'Earth'},
 'CryoSleep': {47: 1, 128: 0, 139: 0, 347: 0, 430: 1},
 'Destination': {47: nan, 128: nan, 139: nan, 347: nan, 430: nan},
 'Age': {47: 19.0, 128: 34.0, 139: 41.0, 347: 23.0, 430: 50.0},
 'VIP': {47: 0, 128: 0, 139: 0, 347: 0, 430: 0},
 'RoomService': {47: 0.0, 128: 0.0, 139: 0.0, 347: 348.0, 430: 0.0},
 'FoodCourt': {47: 0.0, 128: 22.0, 139: 0.0, 347: 0.0, 430: 0.0},
 'ShoppingMall': {47: 0.0, 128: 0.0, 139: 0.0, 347: 0.0, 430: 0.0},
 'Spa': {47: 0.0, 128: 564.0, 139: 0.0, 347: 4.0, 430: 0.0},
 'VRDeck': {47: 0.0, 128: 207.0, 139: 607.0, 347: 368.0, 430: 0.0},
 'Name': {47: 'Mass Chmad',
  128: 'Monah Gambs',
  139: 'Andan Estron',
  347: 'Blanie Floydendley',
  430: 'Ronia Sosanturney'},
 'Transported': {47: 1, 128: 0, 139: 0, 347: 0, 430: 0},
 'Cabin_letter': {47: 'F', 128: 'E', 139: 'F', 347: 'G', 430: 'G'},
 'Cabin_number': {47: '10', 128: '5', 139: '32', 347: '64', 430: '67'},
 'Cabin_letter_2': {47: 'P', 128: 'P', 139: 'P', 347: 'P', 430: 'S'}}

我的代码：

imputer = SimpleImputer(missing_values=np.NaN, strategy='most_frequent')
X_train[X_train_objects] = imputer.fit_transform(X_train[X_train_objects].values.reshape(-1,1))[:,0]

• 维度不匹配：你将X_train[X_train_objects]的数组用reshape(-1,1)转换成了单列（行数为样本数×列数），fit_transform后得到的仍是单列数组，再通过[:,0]取出后变成一维数组，长度为样本数×6。但X_train[X_train_objects]需要的是样本数×6列的二维数据，一维数组无法匹配6列的结构，因此抛出“列长度必须与键一致”的错误。
• 全缺失列的潜在问题：Destination列全为缺失值，most_frequent策略在这种场景下会因没有可提取的众数而报错，这也是后续需要处理的隐藏问题。

方案1：直接对多列进行Imputer处理（无需手动reshape） #

SimpleImputer原生支持多列数据处理，不需要修改维度：

from sklearn.impute import SimpleImputer
import numpy as np

imputer = SimpleImputer(missing_values=np.NaN, strategy='most_frequent')
# 直接对选中列拟合转换，结果为二维数组，可直接赋值回原DataFrame
X_train[X_train_objects] = imputer.fit_transform(X_train[X_train_objects])

方案2：处理全缺失列的特殊情况 #

针对Destination这类全缺失的列，需要额外指定默认填充值：

# 方式1：逐个列处理
for col in X_train_objects:
    if X_train[col].isna().all():
        X_train[col] = 'Unknown'  # 自定义填充值
    else:
        imputer = SimpleImputer(missing_values=np.NaN, strategy='most_frequent')
        X_train[col] = imputer.fit_transform(X_train[[col]])

# 方式2：利用SimpleImputer的fill_value参数（仅当列全缺失时生效）
imputer = SimpleImputer(missing_values=np.NaN, strategy='most_frequent', fill_value='Unknown')
X_train[X_train_objects] = imputer.fit_transform(X_train[X_train_objects])

内容的提问来源于stack exchange，提问作者Katsu