如何完成保留NaN缺失值的LabelEncoder分类数据编码流程？

你前面的思路非常合理——先生成缺失值掩码，再把数据转成字符串让LabelEncoder能处理（原生LabelEncoder不支持NaN），接下来只需要把编码后的数据中对应原始缺失的位置恢复成NaN，就可以交给Imputer处理了，具体步骤如下：

1. 将编码结果转换为支持NaN的数据类型 #

LabelEncoder输出的是整数类型，而整数类型无法存储NaN，所以首先要把编码后的列转换成可以容纳缺失值的类型，比如float或者pandas的可空整数类型Int64：

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# （你已执行的步骤回顾）
df = pd.DataFrame({'A': ['x', np.NaN, 'z'], 'B': [1, 6, 9], 'C': [2, 1, np.NaN]})
mask = df.isnull()
df = df.astype(str).apply(LabelEncoder().fit_transform)

# 转换数据类型
df = df.astype(float)  # 或者用 df = df.astype('Int64') 保留整数特性同时支持NaN

2. 用掩码恢复缺失值 #

直接利用之前生成的mask，把对应位置的值重新设为np.nan：

df[mask] = np.nan

执行完这两步后，你的数据框会变成这样：

A  B    C
0  1.0  1  2.0
1  NaN  6  1.0
2  2.0  9  NaN

3. 后续用Imputer处理缺失值 #

现在数据中的分类列（A）已经完成编码且保留了缺失值，数值列（B、C）的缺失值也保持原样，你可以直接用SimpleImputer来填充缺失值了，比如用众数填充分类列、均值填充数值列（或者根据你的需求选择策略）：

from sklearn.impute import SimpleImputer

# 针对分类列和数值列可以分别设置策略，这里示例用统一的众数填充
imputer = SimpleImputer(strategy='most_frequent')
df_imputed = pd.DataFrame(imputer.fit_transform(df), columns=df.columns)

补充说明 #

你之前把df转成字符串的操作很关键——原生LabelEncoder无法识别NaN，把NaN转成字符串'NaN'后，它会被当作一个独立的类别被编码，之后再通过掩码还原成NaN，完美解决了LabelEncoder不支持缺失值的问题。

内容的提问来源于stack exchange，提问作者Nasri