Python 使用标签将列传递给插补器的正确方法？

我有以下工作代码：

imputer = Imputer(missing_values = 'NaN', strategy='mean', axis = 0)
imputer = imputer.fit(X_train[['Age']])
X_train['Age'] = imputer.transform(X_train[['Age']])

这给了我以下警告：

试图在数据帧切片的副本上设置值。尝试 改为使用.loc[row\u indexer，col\u indexer]=值

当我使用下面这句话时，我仍然得到同样的警告；为什么会这样

X_train['Age'] = imputer.transform(X_train[['Age']])

如果我尝试将相同的逻辑应用于所有事物：

imputer = Imputer(missing_values = 'NaN', strategy='mean', axis = 0)
imputer = imputer.fit(X_train.loc[:,'Age'])
X_train.loc[:,'Age'] = imputer.transform(X_train.loc[:, 'Age'])

我收到以下消息，

输入器不工作：

使用数组重塑数据。如果数据具有
单个特征或阵列。如果包含单个样本，则重塑（1，-1）

请问，谁能解释一下，使用标签将列传递给输入者的正确方法是什么

我不清楚使用
[['Age']]
和
.loc[：，'Age']
之间的区别，看起来它们有相同的数据，但形状不同。
根据您收到的上一个错误，当您选择一个数据帧列，如
inputer=inputer.fit（X_train.loc[：，'Age']）
实际上，您将一个序列传递给插补器，这是一维的

类型（X_列车['Age']）
熊猫。核心。系列。系列

但是，方法
fit（）
希望您向它传递一个二维数组。相反，您可以以返回数据帧（即二维）的方式使用列年龄索引：

类型（X_train.iloc[：，2:3]）
pandas.core.frame.DataFrame

这样做，您将不会收到标注错误。我为您的目的测试了它，它成功了。
使用拟合变换方法

imputer = Imputer(missing_values=0, strategy="mean", axis=0)
X_train[['Age']] = imputer.fit_transform(X_train[['Age']])

我推荐以下方法

X.loc[:,'Age'] = imputer.fit_transform(X[['Age']])

工作示例：

import pandas as  pd
import numpy as np
from sklearn.impute import SimpleImputer

X = pd.DataFrame({'Age': [12,13,'NaN', 23,31,12,43,32,42,]})
imputer = SimpleImputer(strategy='mean')
X.loc[:,'Age'] = imputer.fit_transform(X[['Age']])

#
    Age
0   12.0
1   13.0
2   26.0
3   23.0
4   31.0
5   12.0
6   43.0
7   32.0
8   42.0


inputer
期望2D{类似数组、稀疏矩阵}、形状（n_样本、n_特征）或数据帧。当您仅使用
X['Age']
时，它将返回一个pd.Series对象。相反，当您使用
X[['Age']]
时，将返回数据帧