一句话定义：缺失值插补（Imputation）就是用合理的估计值把数据表里空着的格子填上，让后续的统计和模型能照常运行。
数据表像一份体检报告，总有人漏测几项。最常见的做法是删除含空白单元格的整行（listwise deletion）。这种做法一行代码就能完成，但代价常被低估：缺失往往不是随机的。
举个例子。一份员工满意度问卷里，“每周加班时长”这一栏的填写率特别低，因为加班最严重的那批人根本没空填。你若直接删行，剩下的样本平均加班时长就会被拉低。模型于是学到一个“删过的世界”：它以为这家公司不太加班。等真来了一个每天干到十点的人，模型给出的判断自然失准。问题并不在模型能力，而在删行悄悄改掉了数据的分布（distribution）。
插补大致分三档：
| 做法 | 思路 | 代价 |
|---|---|---|
| 删除整行 | 不填，直接丢弃 | 样本变少、分布偏移，缺失非随机时结论失真 |
| 简单填充 | 用均值、中位数、众数填，或把“未知”单列一类 | 人为压缩方差，数据显得比真实情况更“集中”，相关性被稀释 |
| 模型插补 | 用其他列预测缺失值（回归、K 近邻 KNN、迭代式多变量填充） | 更贴近真实关系，但计算更重，也可能把预测偏差带进数据 |
还有更讲究的一档叫多重插补（Multiple Imputation）：填出好几套完整数据，分别建模，再看结论是否一致，用来体现“填进去的值本身也不确定”。
动手前有个小动作值得记住：加一列“是否缺失”的标记（missing indicator）。很多时候，“没填”这件事本身就是信号——比如某字段空着，恰恰说明这个客户没走完流程。这一列的收益，常常超过换用更花哨的填充算法。
与相邻概念的区别：插补属于数据清洗（data cleaning）里的一环，和异常值处理、去重并列；它不是特征工程（feature engineering）——插补是把缺的东西补回去，特征工程是把有的东西变出新的表达。至于“删行”，它其实也是一种插补策略，只不过填进去的是“什么也没有”。
对从业者的实际意义：先判断缺失是随机的，还是和结果相关；在报告里写清删了多少行、按什么条件删的；把插补步骤放进流水线（pipeline），别出现训练时插补、上线时忘了插补的错位。对普通职场人：看到“样本量 N=3000”时，不妨多问一句“原来有多少条”；Excel 里那个“删除空值”按钮，和这里是同一个决策。
一句话收尾：填什么值可以商量，但悄悄删掉的那几行，得让人知道。