python之sklearn Imputer() 返回的特征不适合拟合函数

我有一个包含缺失值 NaN 的特征矩阵，因此我需要先初始化这些缺失值。但是，最后一行提示并抛出以下错误行: 预期序列或类数组，得到 Imputer(axis=0, copy=True, missing_values='NaN', strategy='mean', verbose=0)。 我查了一下，好像是因为train_fea_imputed不是np.array格式，而是sklearn.preprocessing.imputation.Imputer格式。我该如何解决这个问题？
顺便说一句，如果我使用 train_fea_imputed = imp.fit_transform(train_fea)，代码工作正常，但 train_fea_imputed 返回一个比 train_fea 小一维的数组

    import pandas as pd 
    import numpy as np 
    from sklearn.ensemble import RandomForestClassifier 
    from sklearn.preprocessing import Imputer 
 
    imp = Imputer(missing_values='NaN', strategy='mean', axis=0) 
    train_fea_imputed = imp.fit(train_fea) 
 
    # train_fea_imputed = imp.fit_transform(train_fea) 
    rf = RandomForestClassifier(n_estimators=5000,n_jobs=1, min_samples_leaf = 3) 
    rf.fit(train_fea_imputed, train_label) 

更新:我改成了

imp = Imputer(missing_values='NaN', strategy='mean', axis=1) 

现在尺寸问题没有出现了。我认为插补函数存在一些固有问题。我完成项目后会回来。

请您参考如下方法:

使用 scikit-learn，初始化模型、训练模型和获得预测是独立的步骤。在你的情况下你有:

train_fea = np.array([[1,1,0],[0,0,1],[1,np.nan,0]]) 
train_fea 
array([[  1.,   1.,   0.], 
       [  0.,   0.,   1.], 
       [  1.,  nan,   0.]]) 
 
#initialise the model 
imp = Imputer(missing_values='NaN', strategy='mean', axis=0) 
 
#train the model 
imp.fit(train_fea) 
 
#get the predictions 
train_fea_imputed = imp.transform(train_fea) 
train_fea_imputed 
array([[ 1. ,  1. ,  0. ], 
       [ 0. ,  0. ,  1. ], 
       [ 1. ,  0.5,  0. ]])