如何使用Scikit-Learn的SimpleImputer填补DataFrame指定列缺失值

• 错误1：多列选取语法错误
  pandas选取多列需要传入由列名组成的列表，正确写法是df[["a", "b", "e"]]，原代码df["a", "b", "e"]会被识别为传入单个元组作为列名，触发KeyError。
• 错误2：缺失值标识配置错误
  pandas读取数据后默认缺失值为np.nan（浮点数类型的空值），不是字符串'NaN'，原代码missing_values='NaN'无法识别实际的空值，需要改为missing_values=np.nan，或者直接省略该参数（SimpleImputer默认值就是np.nan）。如果读取数据时没有自动把字符串'NA'转为空值，可以在pd.read_csv时添加na_values='NA'参数，或者将missing_values参数设置为'NA'。
• 错误3：已废弃参数使用错误
  scikit-learn v0.22版本之后，SimpleImputer已经移除axis参数，默认自动按列计算统计值填补，保留axis=0会触发警告甚至报错，直接删除该参数即可。
• 错误4：拟合与转换的数据维度不匹配
  fit阶段只用了a/b/e三列数据训练填补器，transform阶段却传入完整DataFrame的所有列（包含c/d两个非数值列，且列数和拟合阶段不一致），会触发维度不匹配错误，transform阶段也需要传入对应三列数据。

import pandas as pd
import numpy as np
from sklearn.impute import SimpleImputer

# 此处为样例数据生成代码，你实际使用时替换为自己的df读取逻辑即可
df = pd.DataFrame({
    'a': [np.nan,5,7,np.nan,4],
    'b': [39,np.nan,53,np.nan,24],
    'c': ['cat','dog','cat','cat','dog'],
    'd': ['gray','brown','tan','black','tan'],
    'e': [20,np.nan,33,41,np.nan]
})

# 初始化均值填补器
miss_mean_imputer = SimpleImputer(strategy='mean')

# 仅对需要填补的三列执行拟合+转换
imputed_cols = miss_mean_imputer.fit_transform(df[["a", "b", "e"]])

# 将填补后的数值赋值回原DataFrame对应列，保留其他原列数据
df[["a", "b", "e"]] = imputed_cols

print(df)

内容的提问来源于stack exchange，提问作者user15697038