SimpleImputer是scikit-learn中处理缺失值的核心工具，自1.2版本起Imputer已移除，且strategy参数必须显式指定；支持mean、median（仅数值）、most_frequent（数值/类别）、constant（需fill_value）四种策略；不支持混合数据类型统一填充，须分列处理；fit_transform仅限训练集，测试集只能transform，否则导致评估失真。
SimpleImputer 是 scikit-learn 处理缺失值的主力工具，但要注意：1.2 版本起，Imputer 类已彻底移除，所有代码必须改用 SimpleImputer，否则会报 NameError: name 'Imputer' is not defined。
SimpleImputer 的 strategy 参数必须显式指定
老版本（strategy 默认为 'mean'，但在 1.2+ 中，不传 strategy 会直接抛 TypeError: <strong>init</strong>() missing 1 required positional argument: 'strategy'。
常见合法取值包括：
-
'mean'：仅适用于数值列，内部调用np.nanmean -
'median'：对异常值更鲁棒，同样只支持数值型 -
'most_frequent'：可处理数值和类别型（如字符串、整数标签），按列统计众数 -
'constant'：需额外传fill_value，比如fill_value='missing'或fill_value=-999
注意：'most_frequent' 在含 NaN 的字符串列中可能返回 np.nan（若该列无重复非空值），建议先用 pandas.Series.mode().iloc[0] 验证。
数值列与类别列不能混用同一个 SimpleImputer
SimpleImputer 不支持跨类型策略——比如用 mean 填数值列、同时用 most_frequent 填字符串列。强行传入混合 dtype 的 DataFrame 会触发：
ValueError: Cannot use mean strategy with non-numeric data
立即学习“Python免费学习笔记（深入）”；
正确做法是分列处理：
- 先用
df.select_dtypes(include='number')提取数值列 - 再用
df.select_dtypes(exclude='number')提取非数值列 - 分别初始化两个
SimpleImputer实例，各自fit_transform - 最后用
pd.concat合并结果（注意索引对齐）
如果漏掉索引重置，合并后可能出现行错位，导致特征与标签错配。
集成算法（如 RandomForestClassifier）不原生跳过缺失值
虽然部分树模型（如 XGBoost、LightGBM）能自动处理缺失值，但 scikit-learn 自家的 RandomForestClassifier、GradientBoostingRegressor 等在 1.2 版本中仍要求输入完全无缺失。它们不会忽略 NaN，也不会静默填充——而是直接报错：
ValueError: Input contains NaN, infinity or a value too large for dtype('float64').
这意味着：即使你用了集成模型，也必须前置做缺失值处理，不能依赖模型“自己搞定”。这点常被误读，尤其从 LightGBM 切换过来的用户容易踩坑。
SimpleImputer 的 fit_transform 必须在训练集上完成，且测试集只能用 transform；如果对测试集单独 fit_transform，会导致均值/众数不一致，模型评估失真。这个细节在 pipeline 外手动操作时最容易忽略。
