scikit:从输入程序而不是numpy数组返回数据帧时出现问题

我试图使用 scikit-learn IterativeImputer() 是的。问题是,输入者将接受 pandas 数据帧作为输入,但将返回 numpy 数组而不是原始数据帧。下面是一个简单的例子 post .

# Create an empty dataset
df = pd.DataFrame()

# Create two variables called x0 and x1. Make the first value of x1 a missing value
df['x0'] = [0.3051,0.4949,0.6974,0.3769,0.2231,0.341,0.4436,0.5897,0.6308,0.5]
df['x1'] = [np.nan,0.2654,0.2615,0.5846,0.4615,0.8308,0.4962,0.3269,0.5346,0.6731]

imputer = IterativeImputer(max_iter=10, random_state=42)
imputer.fit(df)
imputed_df = imputer.transform(df)
imputed_df

问题是当 纽比 返回数组,删除列名和其他元数据。当然,我可以从原始数据框中手动提取元数据,然后重新应用它,但这似乎有点老套。 Pandas 在以下方面有自己的估算 Dataframe.fillna() 但是算法并没有 scikit 一个。

所以,有没有一种方法可以将输入程序与数据帧匹配,并从结果返回数据帧。