Sklearn 机器学习 缺失值处理 对多数据列做缺失值填充

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在优快云上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

---

Sklearn 机器学习：对多列数据进行缺失值填充的正确姿势 ✨

在实际的机器学习项目中，我们经常会遇到 缺失值（Missing Values） 问题。尤其是当数据集包含多个列且存在不同类型（数值型、分类型）缺失时，如何高效、优雅地使用 Scikit-learn（sklearn） 工具进行批量填充，是一个非常值得深入掌握的技巧。

本文将深入讲解如何使用 sklearn 对多列数据批量进行缺失值填充，并结合 ColumnTransformer 实现自动化处理流程，适用于实际工程环境。

---

🧩 一、缺失值的来源与影响

✅ 常见缺失情况：

• 用户未填写信息（如年龄、性别）
• 数据采集问题（如硬件丢包）
• 数据合并导致字段不一致

❗ 缺失值对模型训练的影响：

• 大多数模型（如 RandomForest, SVM, LogisticRegression）无法直接处理缺失值
• 不处理直接建模将报错或结果不稳定
• 错误填充可能导致偏差，影响泛化能力

---

🧪 二、准备数据：含多列缺失值的 DataFrame

我们模拟一个包含数值列和类别列的混合数据集，展示如何处理缺失值：

import pandas as pd
import numpy as np

# 模拟含缺失值的 DataFrame
df = pd.DataFrame({
   
    'age': [25, np.nan,