为什么SimpleImputer处理后数据集所有特征都变为分类型数据？

• 未提前拆分数值列与分类列，将所有特征统一输入SimpleImputer处理：SimpleImputer的fit_transform接口返回numpy数组，当输入包含数值、字符串混合类型时，数组会统一转换为object类型，后续直接转DataFrame后所有列都会被标记为object类型，因此被识别为分类型特征。
• 存在两处不规范的数据泄露问题：一是测试集单独调用fit_transform拟合SimpleImputer，二是测试集数值列用自身均值填充，两类操作都会导致模型评估结果不符合实际上线效果。

先拆分列类型，分别做填充，且所有预处理算子仅用训练集拟合：

# 拆分数值列、分类列
numeric_cols = X.select_dtypes(include=['int64', 'float64']).columns
cat_cols = X.select_dtypes(include=['object', 'category']).columns

# 数值列填充：统一使用训练集均值
train_numeric_mean = X[numeric_cols].mean()
X[numeric_cols] = X[numeric_cols].fillna(train_numeric_mean)
X_test[numeric_cols] = X_test[numeric_cols].fillna(train_numeric_mean)

# 分类列填充：仅用训练集拟合众数填充器
cat_imputer = SimpleImputer(strategy="most_frequent")
X[cat_cols] = cat_imputer.fit_transform(X[cat_cols])
X_test[cat_cols] = cat_imputer.transform(X_test[cat_cols])

上述方案仅对分类列做SimpleImputer处理，数值列原有数据类型会完整保留，不会出现所有特征都转为分类型的问题，同时也修复了数据泄露风险。

内容的提问来源于stack exchange，提问作者Cerdipinki