使用SimpleImputer按列最小值填充缺失值时报ValueError如何解决

• 数值列定义错误：你在定义numeric_cols时额外给X_test.select_dtypes(exclude=['object']).columns外层套了一层列表，导致numeric_cols是仅包含1个元素的列表，元素是所有数值列的Index集合。循环遍历时col实际是全部数值列的组合，不是单个列名。
• 参数类型不匹配：当col是全部数值列的组合时，X_test[col].min()返回的是所有数值列的最小值组成的Series对象，而SimpleImputer的constant策略要求fill_value为单个数值，传入Series不符合参数要求，因此触发报错。
• 循环逻辑错误：即使修复列定义问题，你在循环中每次都对完整的numeric_df做填充转换，会反复覆盖之前的填充结果，无法实现逐列填充的需求。

推荐直接使用pandas原生方法实现，代码更简洁高效：

import pandas as pd
# 提取数值列
numeric_df = X_test.select_dtypes(exclude=['object'])
# 每列用自身的最小值填充缺失值
imputed_numeric_X_test = numeric_df.fillna(numeric_df.min())

如果需要使用SimpleImputer实现，正确写法如下：

from sklearn.impute import SimpleImputer
numeric_df = X_test.select_dtypes(exclude=['object'])
# 传入各列最小值作为对应列的填充值
my_imputer = SimpleImputer(strategy='constant', fill_value=numeric_df.min().values)
imputed_numeric_X_test = pd.DataFrame(
    my_imputer.fit_transform(numeric_df),
    columns=numeric_df.columns
)

内容的提问来源于stack exchange，提问作者Lehita