我在处理一个非常简单的数据库。其中包含了一些缺失值，涉及到分类和数值特征。因此，我尝试使用sklearn.preprocessing.KNNImpute来获得最准确的填补。然而，当我运行以下代码时：
imputer = KNNImputer(n_neighbors=120)imputer.fit_transform(x_train)我得到了以下错误：ValueError: could not convert string to float: 'Private'
这很合理，显然它无法处理分类数据。但当我尝试运行OneHotEncoder时，使用以下代码：
encoder = OneHotEncoder(drop="first")encoder.fit_transform(x_train[categorical_features])它抛出了错误：ValueError: Input contains NaN
我更倾向于使用KNNImpute来处理分类数据，因为如果我只使用ColumnTransform并分别处理数值和分类数据，我觉得会失去一些准确性。有什么方法可以让OneHotEncoder忽略这些缺失值吗？如果没有，使用ColumnTransform或更简单的填补器是否是解决这个问题的更好方法？
提前感谢
回答：
关于OneHotEncoder处理缺失值的问题，目前有开放的问题/PR，但还没有明确的解决方案。在此期间，这里有一个手动处理的方法。
- 使用pandas或
SimpleImputer将分类数据的缺失值填充为字符串”missing”。 - 然后使用
OneHotEncoder进行编码。 - 使用one-hot编码器的
get_feature_names方法来识别与每个原始特征对应的列，特别是”missing”指示列。 - 对于每一行和每个原始分类特征，当”missing”列中的值为1时，将0替换为
np.nan；然后删除”missing”指示列。 - 现在一切都应该准备好运行
KNNImputer了。 - 最后，如果需要，可以对填补后的分类编码列进行后处理。（简单地四舍五入可能会得到一个全零的分类特征行，但我认为使用
KNNImputer不会在一个行中得到多个1。你可以使用argmax来确保每个行中只有一个1。）
