如何使用Python填补数据集中取值为0/1的缺失布尔值？

布尔字段属于二分类离散变量，均值属于连续变量统计量，确实不适合用来填补这类字段的缺失，可根据你的数据集特性和业务需求选择以下方案：

1. 众数填补 #

适合缺失随机、缺失占比不高，且没有明确业务含义说明缺失值代表特定状态的场景，直接用现有非缺失值里出现频次更高的0/1填充缺失项，基于你之前用的SimpleImputer只需修改策略即可：

from sklearn.impute import SimpleImputer
import numpy as np

# 布尔列单独提取处理，假设布尔列名为bool_col，x是你的特征矩阵
bool_imputer = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
x['bool_col'] = bool_imputer.fit_transform(x[['bool_col']])

2. 固定常量填补 #

如果缺失本身有明确业务含义，比如布尔字段代表「是否开通会员」，缺失代表用户从未触发过会员相关操作，默认属于未开通，就可以直接固定填充0或1：

# 固定填充0的示例
const_imputer = SimpleImputer(missing_values=np.nan, strategy='constant', fill_value=0)
x['bool_col'] = const_imputer.fit_transform(x[['bool_col']])

如果业务允许把缺失作为独立状态，也可以把布尔字段转成三值离散变量（比如0/1/2，2代表缺失），避免原有分布被修改。

3. 模型预测填补 #

如果布尔列缺失占比偏高，且你数据集里其他特征和该布尔列相关性较强，可以用其他特征作为输入训练分类模型，预测缺失的布尔值，可选的实现包括sklearn的KNNImputer、逻辑回归预测等。

4. 删除缺失行 #

如果布尔列的缺失占比极低（通常低于1%），删除缺失行不会明显改变数据集分布，也可以直接删除对应样本：

x = x.dropna(subset=['bool_col'])

方案选择参考 #

• 优先确认缺失值的产生原因，有业务指向的优先按业务规则处理
• 缺失率<5%：可选择删除或众数填补
• 缺失率>20%：不建议直接用众数填补，优先考虑业务规则或预测填补，评估填补后对下游任务的影响

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