使用scikit-learn LinearRegression填充空值触发IndexError如何解决

• 直接触发原因：Rupeepersqft_predicted 变量未提前初始化定义，你直接对不存在的对象执行['Rupeepersqft']索引赋值操作，不符合Python对象索引规则，触发本次IndexError。
• 代码逻辑错误1：你定义data_with_null时就调用了.dropna()方法，直接删除了所有带空值的行，后续填充空值的操作没有可生效的目标，完全失去了用模型补全空值的意义。
• 代码逻辑错误2：你后续fillna方法传入的是DataFrame对象，而目标是Rupeepersqft这个Series列，参数类型不匹配，即使解决当前报错后续也会触发新的错误。

修改后可正常运行的完整代码如下：

from sklearn.linear_model import LinearRegression
linreg = LinearRegression()

# 先复制全量目标字段数据，不提前删除空值
all_data = data2[['Price (Lakhs)','Area','Area Type','Rupeepersqft','Condition','Purchase Type','Real Estate Regulation Act']].copy()
# 提取Rupeepersqft无缺失值的部分作为训练集
train_data = all_data.dropna(subset=['Rupeepersqft'])
train_x = train_data.iloc[:,:3]
train_y = train_data.iloc[:,3]

# 训练模型
linreg.fit(train_x, train_y)

# 提取需要预测的样本：仅Rupeepersqft为空的样本的前3列特征
test_data = all_data[all_data['Rupeepersqft'].isna()].iloc[:,:3]
# 生成预测值
predicted_values = linreg.predict(test_data)

# 直接把预测值回填到原数据集的空值位置
all_data.loc[all_data['Rupeepersqft'].isna(), 'Rupeepersqft'] = predicted_values

修改说明：

• 取消了错误的提前删空操作，先保留全量数据，单独提取无空值子集作为训练集
• 无需提前定义Rupeepersqft_predicted变量，直接生成预测值后用loc索引回填到原数据空值位置，规避索引错误
• 仅对Rupeepersqft为空的样本做预测，既减少不必要计算，也避免覆盖原有有效值

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