在数据分析和机器学习项目中，数据常常存在缺失值（missing values）。缺失值会影响模型的性能和分析结果的准确性。因此，合理地对缺失值进行填补（imputation）是数据预处理的重要步骤。
常见填补方法
1. 删除法
直接删除含有缺失值的样本或特征。适用于缺失比例较小且随机缺失的情况。
2. 均值/中位数/众数填补
使用该特征的均值（数值型）、中位数（偏态分布）或众数（类别型）来填补缺失值。简单高效，但可能低估数据方差。
3. K近邻填补（KNN Imputation）
基于相似样本的值进行填补。通过计算与其他样本的距离，选取K个最近邻的值进行加权平均。
4. 回归填补
利用其他特征作为自变量，建立回归模型预测缺失值。适用于特征间存在较强相关性的情况。
5. 多重填补（Multiple Imputation）
生成多个完整数据集，每个数据集中的缺失值通过随机抽样方式填补，最后综合多个结果。能较好保留数据不确定性。
6. 使用专门模型（如 MICE）
MICE（Multivariate Imputation by Chained Equations）是一种迭代式多重填补方法，适用于复杂缺失模式。
选择建议
- 若缺失比例低（<5%），可考虑删除或简单填补。
- 若缺失机制为“完全随机缺失（MCAR）”，均值/中位数填补通常足够。
- 若特征间相关性强，推荐使用 KNN 或回归填补。
- 对统计推断要求高时，应采用多重填补方法。
代码示例（Python）
// 使用 scikit-learn 进行均值填补
from sklearn.impute import SimpleImputer
import numpy as np
data = [[1, 2], [np.nan, 3], [7, 6]]
imputer = SimpleImputer(missing_values=np.nan, strategy='mean')
imputed_data = imputer.fit_transform(data)