使用scikit-learn填充缺失值后列标签丢失及列顺序异常问题

1. 为何Doors与Odometer (KM)列顺序颠倒？ #

ColumnTransformer的输出列顺序完全遵循你定义的transformer列表顺序。你当前的transformer列表依次是：

• cat_imputer（对应Make、Colour）
• door_imputer（对应Doors）
• num_imputer（对应Odometer (KM)）
  所以输出的列顺序是Make → Colour → Doors → Odometer (KM)，和原数据集的Make → Colour → Odometer (KM) → Doors顺序不一致，导致这两列颠倒。

2. 列标签去向何处？ #

imputer.fit_transform(X)返回的是NumPy数组，这类数组不具备列名属性。当你直接用pd.DataFrame(filled_x)转换时，Pandas会默认生成数字序列作为列索引，原数据集的列标签因此丢失。

3. 如何恢复列标签？ #

需要同时调整transformer顺序以匹配原数据集列序，并且在创建DataFrame时显式指定列名：

修改后的代码示例： #

from sklearn.impute import SimpleImputer
from sklearn.compose import ColumnTransformer
import pandas as pd

# 保持与原数据集一致的列顺序
cat_features = ["Make", "Colour"]
num_features = ["Odometer (KM)"]
door_features = ["Doors"]

# 初始化填充器
cat_imputer = SimpleImputer(strategy='constant', fill_value='missing')
num_imputer = SimpleImputer(strategy="mean")
door_imputer = SimpleImputer(strategy='constant', fill_value=4)

# 调整transformer顺序，匹配原数据集列序
imputer = ColumnTransformer([
    ("cat_imputer", cat_imputer, cat_features),
    ("num_imputer", num_imputer, num_features),
    ("door_imputer", door_imputer, door_features)
])

filled_x = imputer.fit_transform(X)
# 显式指定列名，与原数据集一致
new_frame = pd.DataFrame(filled_x, columns=["Make", "Colour", "Odometer (KM)", "Doors"])

如果后续需要用OneHotEncoder处理分类特征，注意ColumnTransformer搭配OneHotEncoder时会扩展分类列，此时可以通过imputer.named_transformers_['cat_imputer'].get_feature_names_out()获取编码后的列名，再与数值列、Doors列合并生成完整列名列表。

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