DictVectorizer 不能直接处理嵌套字典，因其仅接受扁平化字典，内部用键名作特征名，而嵌套的 dict 不可哈希；需先展开嵌套、清洗键名（如替换空格和中文）、处理 list 值，再输入。
DictVectorizer 为什么不能直接处理嵌套字典？
DictVectorizer 只接受 flat 字典（即键值对都在同一层），遇到 {'user': {'age': 25, 'city': 'Beijing'}} 这类嵌套结构会直接报错 TypeError: unhashable type: 'dict'。它内部用键名当特征名，而 Python 字典不可哈希，无法作为 key 使用。
常见错误现象：传入含 list 或 dict 值的字典，或键名含空格/特殊字符（如 'user id'），导致 ValueError: feature names cannot contain spaces。
- 先 flatten 数据：用递归或
pd.json_normalize()展开嵌套，或手动拼接键名（如'user.age'） - 确保所有键都是字符串且无空格、点号等非法字符；可统一用
re.sub(r'[^a-zA-Z0-9_]', '_', key)清洗 - 若值为 list（如
'tags': ['python', 'ml']），需提前转为 set 或用sklearn.preprocessing.MultiLabelBinarizer单独处理
fit_transform 后得到的稀疏矩阵怎么还原成 DataFrame？
DictVectorizer 默认输出 scipy.sparse matrix，直接 print(X) 看不到完整特征分布，也难调试。想查某列对应哪个原始键，或导出为 CSV，必须还原。
关键点在于：特征名由 vectorizer.get_feature_names_out() 返回，顺序与矩阵列严格一致。
立即学习“Python免费学习笔记（深入）”；
- 用
pd.DataFrame(X.toarray(), columns=vectorizer.get_feature_names_out())转稠密 DataFrame（小数据可用） - 大数据建议保留稀疏格式，用
X.tocsc()[:, [i]]提取单列，避免内存爆炸 - 注意：如果训练时有缺失键（如某样本没
'city'字段），对应列全为 0，get_feature_names_out()仍会包含该列
如何让 DictVectorizer 支持中文键名或带空格的字段？
默认情况下，DictVectorizer 对键名做简单校验，遇到空格、中文、点号会拒绝。但实际业务中，JSON 字段名常含中文或空格（如 {'用户等级': 'VIP'}）。
解决方案不是改源码，而是预处理键名——因为 vectorizer 本身不提供“忽略校验”开关。
- 统一将键映射为合法标识符：例如
{k.replace(' ', '_').encode('unicode_escape').decode(): v for k, v in item.items()} - 记录原始键到清洗键的映射表，后续解释特征时反查（如
feature_map['用户等级'] == '用户等级_12345'） - 避免用
vectorizer.feature_names_直接展示给业务方，它显示的是清洗后的名字
和 pandas.get_dummies 相比，DictVectorizer 适合什么场景？
两者都能做 one-hot 编码，但 DictVectorizer 的核心价值在「跨批次一致性」：训练集和测试集字段可能不全，它能保证输出维度对齐。
pandas.get_dummies(..., prefix_sep='_') 没有 fit / transform 分离机制，新数据出现未见过的键就会漏列或报错。
- 线上服务必须用
DictVectorizer：保存vectorizer到磁盘（joblib.dump），部署后只调transform - 训练时若某字段只在测试集出现，
DictVectorizer默认忽略（除非设handle_unknown='ignore'，但该参数仅对值有效，对新键无效） - 性能上，
DictVectorizer比get_dummies稍慢，但换来的是可复现、可部署的 pipeline
feature_0 这种无意义名字。 
