缺失值处理需先判断类型与业务含义，避免盲目填充；数值列优先中位数或分组填充，类别列查分布再处理；时间列慎填；删除需限定subset和how；imputer须fit_transform与transform分离；缺失本身可作特征；关键在业务确认。
用 pandas.DataFrame.fillna() 填什么，得先看缺失值类型和业务逻辑
直接 fillna(0) 或 fillna("未知") 是最常见也最容易翻车的操作。缺失不等于零，也不等于空字符串——比如销售额为 NaN，填 0 会把“未上报”扭曲成“卖了零元”，后续算平均值、做分组统计全偏了。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df.isna().sum()看哪些列缺失多，再用df[col].dtype判断是数值型还是类别型 - 数值列优先考虑中位数（抗异常值）或按分组填充，比如
df.groupby("region")["sales"].transform("median") - 类别列别硬填
"other"，先查下df[col].value_counts(dropna=False)，确认NaN是否真代表“未填写”，还是系统漏传 - 时间列慎用
fillna(pd.Timestamp("1970-01-01"))，下游可能报OutOfBoundsDatetime
dropna() 不是删得越狠越好，得盯住 how 和 subset
默认 df.dropna() 会删掉任何含 NaN 的整行，但实际中往往只要求关键字段不为空。比如用户表里 email 和 phone 允许缺一个，但 user_id 必须有；盲目删行可能干掉 30% 有效数据。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 明确主键/必要字段，用
subset=["user_id", "reg_date"]限定检查范围 - 别依赖默认
how="any"，该用how="all"时就用——比如某行所有特征列全是NaN才值得删 - 删之前先
df.dropna(..., inplace=False)并保存原shape，对比删了多少，心里有数 - 注意
axis=1删列的风险：一列缺失率 95%，删它可能让模型少一个强特征
用 sklearn.impute 做训练/预测一致性时，fit_transform() 和 transform() 必须分开
在建模流程里，用 SimpleImputer 对训练集 fit_transform() 后，测试集必须只调 transform()。如果对测试集也 fit_transform()，相当于用了两套统计量（比如训练集均值 vs 测试集均值），模型上线后结果就不可复现。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 永远把 imputer 当作模型一部分，和
StandardScaler一样存起来：joblib.dump(imputer, "imputer.pkl") - 别在
pd.DataFrame上直接用SimpleImputer，它默认输出numpy.ndarray；加keep_empty_features=True和手动重建列名更稳 - 类别型列别乱用
strategy="most_frequent"——如果某类在训练集里没出现过，测试集突然来了个新类，most_frequent就没意义了 - 时间序列场景下，
IterativeImputer容易过拟合，小数据集上不如前向填充method="ffill"
缺失值标记本身可能是信号，别急着抹掉 NaN
有些字段的缺失不是脏数据，而是业务事实。比如信贷审批中 credit_score 缺失，可能代表用户拒绝授权查询；电商订单中 coupon_code 缺失，大概率是自然流量而非投放渠道。把这些当成普通缺失去填，反而丢掉了关键区分维度。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 新增二值列显式记录缺失状态，比如
df["credit_score_is_missing"] = df["credit_score"].isna() - 把
NaN当作一个合法类别编码进模型（尤其树模型），比填均值更合理 - 警惕
df.replace({np.nan: "MISSING"})这种操作——字符串"MISSING"和真正缺失语义不同，且后续isna()就失效了 - 数据库导出时若用
NULL表示缺失，Python 读进来是NaN，但 Excel 导入可能变成空字符串，得统一用pd.read_csv(..., keep_default_na=False, na_values=["", "NULL", "N/A"])
缺失值处理最麻烦的从来不是代码怎么写，而是得反复跑回业务方确认：“这个空，到底是没填，还是不能填，还是不该填”。代码能填的只是 NaN，填不了上下文。
