FeatureUnion是scikit-learn 0.22前用于并行拼接多个Transformer输出的工具，但已在0.23+版本彻底移除，应改用ColumnTransformer或手动hstack/scipy.sparse.hstack。
FeatureUnion 是什么，现在还该用吗？
FeatureUnion 是 scikit-learn 0.22 之前提供的并行特征拼接工具，用于把多个 Transformer 的输出水平堆叠（hstack）成一个特征矩阵。但它在 0.22 版本已被标记为 deprecated，0.23+ 完全移除。官方明确推荐改用 ColumnTransformer 或手动组合 + numpy.hstack / scipy.sparse.hstack。
如果你维护旧代码或阅读老教程，遇到 FeatureUnion，得知道它已失效——直接运行会报 ImportError: cannot import name 'FeatureUnion' 或警告提示弃用。
替代方案：用 ColumnTransformer 拆分+合并更安全
ColumnTransformer 不仅能替代 FeatureUnion 的并行处理逻辑，还能天然支持列选择、类型区分（数值列 vs 文本列），避免手动切片出错。
- 只对部分列做变换？用
ColumnTransformer的remainder='passthrough'或remainder='drop' - 多个文本列各自 TF-IDF？每个配独立
TfidfVectorizer实例，传入不同列名列表 - 想保留原始列名？设
verbose_feature_names_out=True（v1.2+），否则输出列名会带前缀
示例：对数值列标准化 + 对文本列 TF-IDF
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler
from sklearn.feature_extraction.text import TfidfVectorizer
preprocessor = ColumnTransformer(
transformers=[
('num', StandardScaler(), ['age', 'income']),
('text', TfidfVectorizer(max_features=100), 'review')
],
remainder='drop'
)
如果必须拼接多个 Transformer 输出，怎么手动 hstack？
当你要组合的不是“按列分流”，而是多个模型/转换器都作用于同一组输入（比如同时提取 n-gram、词性统计、字符级特征），就得手动拼接。这时注意数据类型和稀疏性兼容问题：
- 全部是稠密数组？用
numpy.hstack - 含
scipy.sparse矩阵（如TfidfVectorizer输出）？必须用scipy.sparse.hstack，否则内存爆炸或报错ValueError: blocks must be 2-D - 混用稠密和稀疏？先统一转成稀疏（
scipy.sparse.csr_matrix），再拼接
示例：拼接两个 TF-IDF 结果（都是 sparse）
from sklearn.feature_extraction.text import TfidfVectorizer from scipy.sparse import hstack vec1 = TfidfVectorizer(ngram_range=(1,1)) vec2 = TfidfVectorizer(ngram_range=(2,2)) X1 = vec1.fit_transform(docs) X2 = vec2.fit_transform(docs) X_combined = hstack([X1, X2], format='csr')
常见坑：fit 和 transform 必须严格分离
并行分支里最容易忽略的是：每个 transformer 必须独立 fit，不能共用同一个实例——否则训练集信息会泄露到验证集，尤其在交叉验证中导致严重过拟合。
- 错误写法：
vec = TfidfVectorizer(); X1 = vec.fit_transform(a); X2 = vec.transform(b)—— 这里vec已 fit 过，transform(b)是合法的，但若b是验证集，就破坏了数据隔离 - 正确做法：每个分支用全新实例，或封装成 Pipeline 保证 fit-transform 链路封闭
- 用
ColumnTransformer时，它内部自动处理各分支的独立fit，不用手动管；但手拼时必须自己确保
真正麻烦的不是语法，是搞清每个 transformer 的 fit 范围是否跨了训练/验证边界——这个逻辑一旦错，模型评估结果就不可信。
