如何使用sklearn Imputer填充NaN后保留pandas DataFrame格式？

这个坑我之前踩过！确实，sklearn的填充工具默认会返回numpy数组，不过要保留原DataFrame的结构其实很简单，给你两个实用的方案：

方案一：将转换后的数组重新包装为DataFrame #

如果你一定要用sklearn的填充工具（现在推荐用SimpleImputer，旧版Imputer已经被弃用了），可以把transform返回的数组重新构建成DataFrame，直接复用原数据的列名和索引：

from sklearn.impute import SimpleImputer
import pandas as pd

df = pd.read_csv('my_data')
# 初始化填充器，指定中位数策略
imp = SimpleImputer(strategy='median')
# 拟合+转换后，用原DataFrame的列名和索引重建结构
df_imputed = pd.DataFrame(imp.fit_transform(df), columns=df.columns, index=df.index)

这样处理后，df_imputed就和原df的结构完全一致了，列名、索引都不会丢失。

方案二：直接用Pandas原生方法填充（更简洁） #

如果你的需求只是用中位数填充NaN，其实Pandas自己的fillna方法就可以搞定，全程都是DataFrame操作，根本不会涉及数组转换：

import pandas as pd

df = pd.read_csv('my_data')
# 用每列的中位数填充该列的NaN
df_imputed = df.fillna(df.median())

这个方法更轻量，不需要依赖sklearn，适合不需要接入机器学习流水线的场景。

小提示：旧版的sklearn.preprocessing.Imputer在scikit-learn 0.20及以后的版本已经被官方弃用，建议迁移到sklearn.impute.SimpleImputer，两者功能一致，但接口更符合sklearn的设计规范

内容的提问来源于stack exchange，提问作者Ahmad Al Ismail