应使用继承BaseEstimator和TransformerMixin的自定义类封装有状态逻辑，显式实现fit和transform方法以保存和复用状态，而非强行用FunctionTransformer包装有状态函数。
FunctionTransformer怎么包装有状态的自定义函数
FunctionTransformer 默认要求传入的函数是「无状态」的，即不能依赖外部变量、不能修改自身属性、不能记录历史调用结果。如果你的自定义函数内部用了 self.mean_、缓存了训练时的 scaler、或靠 nonlocal 记住了上一次输入——直接塞进 FunctionTransformer 会出问题：fit() 和 transform() 调用时可能用的是不同实例，状态不共享。
解决办法不是硬改函数逻辑，而是用类封装 + 显式实现 fit 和 transform 方法。比如你想做「按列减去训练集均值再除以标准差」，但又不想用 StandardScaler（比如要跳过某几列）：
from sklearn.base import BaseEstimator, TransformerMixin
<p>class ColumnWiseZScore(BaseEstimator, TransformerMixin):
def <strong>init</strong>(self, cols_to_scale=None):
self.cols_to_scale = cols_to<em>scale
self.means</em> = None
self.stds_ = None</p><pre class="brush:php;toolbar:false;">def fit(self, X, y=None):
import numpy as np
X = np.asarray(X)
cols = self.cols_to_scale or list(range(X.shape[1]))
self.means_ = np.mean(X[:, cols], axis=0)
self.stds_ = np.std(X[:, cols], axis=0) + 1e-8 # 防零除
return self
def transform(self, X):
import numpy as np
X = np.asarray(X).copy()
cols = self.cols_to_scale or list(range(X.shape[1]))
X[:, cols] = (X[:, cols] - self.means_) / self.stds_
return X
这样它就能安全放进 Pipeline，且 fit_transform 和后续 transform 共享同一套 means_ 和 stds_。
立即学习“Python免费学习笔记（深入）”；
为什么不用function + validate=False硬绕过
有人试过把函数直接喂给 FunctionTransformer(func=my_func, validate=False)，以为能躲过检查。不行。因为 validate=False 只跳过输入格式校验（比如是否是 numpy 数组），不解决状态缺失问题。更危险的是：如果 my_func 在 fit 阶段偷偷算了个 self.threshold，这个属性根本不会被保存到 Pipeline 的 fitted 状态里，后续 transform 时该属性就不存在了——运行时报 AttributeError 是大概率事件。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
-
FunctionTransformer的实例在fit后不会自动序列化/保留你动态加的属性 - 它内部没实现
__getstate__或__setstate__来捕获这些“意外状态” - 即使你用
lambda x: x包一层，也改变不了底层无状态本质
Pipeline里混用FunctionTransformer和自定义类要注意什么
可以混用，但顺序和接口必须对齐。常见坑是返回值类型不一致：FunctionTransformer 默认要求函数返回 np.ndarray，而你的类如果返回 pandas.DataFrame，后面接 LogisticRegression 就会报 ValueError: Expected 2D array, got 1D array instead。
实操建议：
- 统一用
np.asarray()入参，用np.array出参，避免 DataFrame / Series 混入 - 如果必须保列名（比如要做特征重要性分析），在类里加
get_feature_names_out方法，否则Pipeline.get_feature_names_out()会失败 - 所有 transformer 的
fit方法必须返回self，否则 Pipeline 构建时会静默失败
调试时怎么确认状态真被保存了
别猜，直接查。构建好 pipeline 后，用 pipeline.named_steps['step_name'].__dict__ 看关键属性是否存在：
pipe = Pipeline([
('zscore', ColumnWiseZScore(cols_to_scale=[0, 2])),
('clf', LogisticRegression())
])
pipe.fit(X_train, y_train)
print(pipe.named_steps['zscore'].means_) # 应该有值
print(pipe.named_steps['zscore'].stds_) # 应该有值
如果输出是 None 或报 AttributeError，说明 fit 没真正执行，或者你在 fit 里写错了赋值（比如写成 means = ... 漏了 self.）。
复杂点在于：有些 transformer 行为依赖数据形状（比如稀疏矩阵处理）、有些依赖 y 是否传入（如 fit(X, y) 中 y 用于计算类别权重），这些细节一旦漏掉，状态就不可靠——得结合具体业务逻辑逐层验证，不能只看有没有报错。
