SimpleImputer导入失败主因是sklearn版本不匹配：低于0.20无sklearn.impute模块，仅支持preprocessing.Imputer；0.22+则彻底移除Imputer。常见报错为ModuleNotFoundError或ImportError，应先执行python -c "import sklearn; print(sklearn.__version__)"确认版本。
SimpleImputer 导入失败：sklearn 版本不匹配是主因
直接原因是 sklearn 版本低于 0.20 —— SimpleImputer 是 0.20 才引入的，旧版只有 sklearn.preprocessing.Imputer，且后者已在 0.22+ 彻底移除。
常见错误现象：
ModuleNotFoundError: No module named 'sklearn.impute'ImportError: cannot import name 'SimpleImputer' from 'sklearn.impute'
实操建议：
- 先查版本：
python -c "import sklearn; print(sklearn.__version__)" - 版本 from sklearn.preprocessing import Imputer（但仅限老项目维护）
- 版本 ≥ 0.20 → 必须用
from sklearn.impute import SimpleImputer，不能混用旧路径 - Conda 用户注意：
conda install scikit-learn有时滞后，优先用pip install --upgrade scikit-learn
missing_values 参数写错：字符串 'nan' 不等于 np.nan
SimpleImputer 默认只识别 np.nan 为缺失值标记，传 'nan'、'NaN' 或 None 都会静默失效，导致后续 fit_transform 报 ValueError: Input contains NaN。
立即学习“Python免费学习笔记（深入）”；
使用场景：Pandas 读取 CSV 后，空字段常被转成 np.nan，但手动构造数据或从数据库拉取时容易误用字符串。
实操建议：
- 显式声明：
missing_values=np.nan（即使默认也是它，写出来防错） - 避免写
missing_values='nan'或missing_values=None - 检查数据：
df.isna().sum().sum()确认缺失值是否真为np.nan，而非字符串 - 预处理清洗：
df = df.replace(['', 'NULL', 'N/A'], np.nan)再送入SimpleImputer
strategy 选错类型：mean/median 只吃数值列
用 strategy='mean' 或 'median' 处理含字符串列的 DataFrame，会直接报 TypeError: ufunc 'isnan' not supported for the input types，不是因为数据脏，而是策略本身不支持非数值类型。
性能影响：强制对全 DataFrame 调用 fit_transform，哪怕只有一列是 object 类型，整个操作就会崩。
实操建议：
- 分离处理：
num_cols = df.select_dtypes(include='number').columns，只对这些列用SimpleImputer(strategy='mean') - 混合策略：字符串列改用
strategy='most_frequent'，但需确保该列无太多唯一值，否则填充效果差 - 别硬套：
strategy='constant'+fill_value='MISSING'更安全，尤其适合训练/预测 pipeline 中一致性要求高的场景
fit_transform 在线上服务中没保存模型：每次请求都重拟合
生产环境里把 SimpleImputer().fit_transform(X) 写在 API 请求逻辑里，等于每次调用都重新计算均值/中位数——不仅慢，而且同一列在不同请求间填充值可能不一致，破坏特征稳定性。
容易踩的坑：
- 本地跑通了，上线后发现填充结果波动，怀疑数据漂移，其实是没持久化 fitted imputer
- 用 pickle 保存但没验证反序列化后
transform是否正常（尤其跨 sklearn 版本时）
实操建议：
- 训练阶段：调用
imputer.fit(X_train)，然后pickle.dump(imputer, open('imputer.pkl', 'wb')) - 服务阶段：加载后只调用
imputer.transform(X_inference)，绝不再次fit - 验证方式：
assert hasattr(imputer, 'statistics_')，有这个属性才算 fit 成功
最麻烦的点不在代码本身，而在数据和环境的隐性差异：开发机上 df 是 clean 的，生产里可能混入空字符串、inf、超长文本；本地 sklearn 是 1.4，线上 Docker 镜像却是 1.2 —— 这些细节不提前对齐，SimpleImputer 就是定时炸弹。
