Pipeline 必须所有步骤实现 fit 和 transform（或 predict），自定义类需继承 BaseEstimator 和 TransformerMixin，fit 返回 self，transform 返回 np.ndarray；最后一步可为模型，前面步骤必须支持 transform。
怎么用 sklearn.pipeline.Pipeline 串起自定义转换器和标准模型
直接能跑通的 Pipeline 必须满足：所有步骤都是带 fit 和 transform（或 predict）方法的对象，且输入输出数据形状对得上。自定义类最容易卡在没实现 fit 方法，或者返回了 pandas DataFrame 而不是 numpy 数组——StandardScaler 这类内置转换器只认数组。
- 继承
BaseEstimator和TransformerMixin，省去手动写get_params和set_params -
fit方法必须返回self，哪怕什么都不学（比如只做列筛选） -
transform返回二维数组（np.ndarray或pd.DataFrame都行，但后续步骤得兼容；建议统一转np.array） - Pipeline 中最后一步可以是分类器（如
LogisticRegression），它不需要transform，但前面所有步骤都必须有transform
示例：class LogTransformer(BaseEstimator, TransformerMixin): def fit(self, X, y=None): return self def transform(self, X): return np.log1p(X) —— 注意 np.log1p 比 np.log 安全，避免 log(0) 报错。
为什么 ColumnTransformer 和自定义转换器一起用时列名会丢
因为 ColumnTransformer 默认把每组输出拼成 numpy 数组，不保留列名；而你的自定义转换器如果返回了 pd.DataFrame，一进 ColumnTransformer 就被强制降维成 np.ndarray，原始列名彻底消失。
- 解决办法：在
ColumnTransformer里加参数remainder='passthrough'并确保所有 transformer 输出一致（全数组 or 全 DataFrame） - 更稳的做法：自定义转换器内部不返回
pd.DataFrame，改用np.array+ 用feature_names_in_属性存列名（需自己实现），后续靠get_feature_names_out暴露 - 别依赖
ColumnTransformer.get_feature_names()（已弃用），改用get_feature_names_out()
常见报错：AttributeError: 'numpy.ndarray' object has no attribute 'columns'，基本就是某步返回了数组，下一步却当 DataFrame 调 .columns。
立即学习“Python免费学习笔记（深入）”；
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
fit_transform 和分开调 fit+transform 在 Pipeline 里有啥区别
在 Pipeline 里根本不会单独调 fit_transform —— 它只对第一步调 fit_transform，后面步骤统一用 fit 然后 transform。所以如果你的自定义转换器只实现了 fit_transform 没写 transform，Pipeline 在预测阶段就会崩。
- 训练时：Pipeline 对训练集调
step1.fit_transform()→step2.fit_transform()→ … → 最后模型fit() - 预测时：Pipeline 对新数据调
step1.transform()→step2.transform()→ … → 最后模型predict() - 所以自定义类必须同时有
fit、transform（或fit_transform），但仅写fit_transform不够 - 如果转换逻辑不依赖 y（比如标准化、编码），
fit可以是空操作，但不能缺
典型翻车点：写了 def fit_transform(self, X, y=None): ... return self.transform(X)，但忘了补 transform 方法。
怎么让自定义转换器支持 inverse_transform（比如反标准化）
不是所有场景都需要，但像 PCA、缩放类操作，如果后续要解释特征贡献、生成样本，就必须实现 inverse_transform。它不参与 Pipeline 默认流程，但得保证签名和行为正确。
- 方法必须接收和
transform同维度的输入（比如transform输出 (n, 5)，inverse_transform输入也得是 (n, 5)） - 不要在
inverse_transform里重新计算参数，全部从fit存的属性（如self.mean_、self.scale_）读 - 如果转换不可逆（比如分箱、删除列），就别实现，或抛
NotImplementedError - 测试时用
np.allclose(pipe.inverse_transform(pipe.transform(X)), X)验证数值稳定性
容易忽略的一点：Pipeline 本身不提供 inverse_transform，必须手动对每步倒序调用；如果中间某步没实现，整条链就断了。
