ColumnTransformer不能直接传原始DataFrame因内部调用的预处理器（如StandardScaler）不支持列名，且易因df['col']返回Series引发维度错误；须用双括号切片、显式命名transformer、设handle_unknown='ignore'并用get_feature_names_out()保留列名。
ColumnTransformer 为什么不能直接传入原始 DataFrame？
因为 ColumnTransformer 的 fit 和 transform 方法只接受二维数组（如 numpy.ndarray 或 pandas.DataFrame），但内部会调用各 transformer 的 fit_transform —— 而很多预处理器（比如 StandardScaler）默认不支持列名，传入带列名的 DataFrame 可能触发 ValueError: Expected 2D array, got 1D array instead，尤其当你用 df[['col']]（返回 DataFrame）和 df['col']（返回 Series）混淆时。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 始终用双括号切片（
df[['a', 'b']]）传给ColumnTransformer，确保子集仍是DataFrame - 避免在
transformers列表里写df['col']这类表达式；列名应作为字符串或列表传入ColumnTransformer的columns参数 - 如果某个 transformer（如
LabelEncoder）只支持 1D 输入，得先包装成自定义 transformer，否则会报Expected 2D array
如何为数值列标准化、分类列编码且保留列名？
ColumnTransformer 默认输出是 numpy.ndarray，列名会丢失。要保留可读性（尤其调试或后续用 pd.DataFrame 封装），必须手动重建列名。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
remainder='passthrough'保证未指定列不被丢弃（默认是'drop'） - 对每个 transformer 显式命名（如
('num', StandardScaler(), ['age', 'income'])），名字会在get_feature_names_out()中体现 - 调用
ct.get_feature_names_out()获取新列名（需 scikit-learn ≥ 1.0），再用pd.DataFrame(transformed_array, columns=names)包裹 - 若用旧版 sklearn，需自己拼：数值列名不变，OneHotEncoder 输出列名为
cat_col_0,cat_col_1等，可用ohe.get_feature_names_out(['gender'])单独查
OneHotEncoder 处理含空值的分类列会报错吗？
会。默认 OneHotEncoder(handle_unknown='error', drop=None) 遇到 np.nan 或 None 直接抛 ValueError: Input contains NaN，哪怕你设了 handle_unknown='ignore' 也不行 —— 它只管未知类别，不管缺失值。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 必须提前处理缺失值：用
SimpleImputer(strategy='constant', fill_value='missing')填充分类列，再进OneHotEncoder - 不要用
strategy='most_frequent'填充分类列后直接 OneHot —— 如果填充值恰好是训练时未出现的类别，handle_unknown='ignore'才能兜底，否则报错 - 更稳妥的做法：把填充和编码打包进一个 Pipeline，作为
ColumnTransformer中的一个 transformer
为什么 fit 后 transform 测试集报 shape 不匹配？
常见于 OneHotEncoder：训练集某分类列有 3 个唯一值，测试集多出 1 个新值，而 handle_unknown='error'（默认）导致 transform 失败；或者数值列用了 StandardScaler 但测试集列顺序与训练集不一致（比如 pandas 重排了列），ColumnTransformer 按列名索引，顺序无关，但如果你手动传了位置索引（如 [0, 2]）就危险了。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 所有 encoder 类 transformer 必须显式设
handle_unknown='ignore'（OneHotEncoder）或unknown_value=np.nan（OrdinalEncoder） - 永远用列名（字符串或字符串列表）指定
columns，别用整数位置 ——ColumnTransformer内部靠列名对齐，不怕 df 列序变化 - 检查训练/测试集是否用了同一份
columns列表（比如从训练集df.columns.tolist()提取，别各自调用）
