使用SimpleImputer替换DataFrame列0和NaN缺失值报错求助

• IndexError 报错根源：你在拆分数据集时调用了.values，将pandas DataFrame转换为了NumPy数组，NumPy数组不支持列名字符串索引，仅支持整数位置、切片等作为索引，因此X_train['Age']这类写法会直接报错。
• ValueError 报错根源：SimpleImputer的missing_values参数一次仅能指定一种缺失值标记，你设置了missing_values=0时，数据中的NaN不会被识别为缺失值，导致输入Imputer的数据仍包含NaN，触发类型报错。
• 类型转换报错根源：一是拼写错误，pandas类型转换方法为astype而非as_type；二是数据中存在NaN时，无法直接转换为整数类型（NaN本身是浮点类型）。

方案1：保留DataFrame结构（更推荐，列名索引不易出错） #

首先修改数据集拆分代码，移除.values调用，保留pandas数据结构：

from sklearn.model_selection import train_test_split

dep_var = ['is_overdue']
features = model_data2.columns.drop(dep_var)

X = model_data2[features]
Y = model_data2[dep_var]

split_test_size = 0.30
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=split_test_size, random_state=42) 

然后统一缺失值标记后执行均值填充：

import numpy as np
from sklearn.impute import SimpleImputer

# 统一缺失值标记：将Age列的0替换为NaN
X_train['Age'] = X_train['Age'].replace(0, np.nan)
X_test['Age'] = X_test['Age'].replace(0, np.nan)

# 初始化均值填充器，默认处理NaN类型缺失值
imp_mean = SimpleImputer(strategy='mean')
# 传入二维数组格式的Age列，训练填充器并应用到训练集
X_train['Age'] = imp_mean.fit_transform(X_train[['Age']])
# 测试集仅使用训练集拟合的填充器转换，避免数据泄露
X_test['Age'] = imp_mean.transform(X_test[['Age']])

# 填充完成后如果需要转整数类型，可执行以下代码
X_train['Age'] = X_train['Age'].astype('int32')
X_test['Age'] = X_test['Age'].astype('int32')

方案2：继续使用NumPy数组处理 #

如果需要保留NumPy数组结构，先确认Age列对应的索引位置（示例中按你提到的第15列，索引从0开始计数）：

import numpy as np
from sklearn.impute import SimpleImputer

# 统一缺失值标记：将第15列的0替换为NaN
X_train[:, 15][X_train[:, 15] == 0] = np.nan
X_test[:, 15][X_test[:, 15] == 0] = np.nan

# 初始化均值填充器
imp_mean = SimpleImputer(strategy='mean')
# 取二维结构的列执行填充
X_train[:, 15:16] = imp_mean.fit_transform(X_train[:, 15:16])
X_test[:, 15:16] = imp_mean.transform(X_test[:, 15:16])

内容的提问来源于stack exchange，提问作者GenDemo