Binarizer默认threshold=0.0因其设计为无状态、不拟合的简单阈值切割器，不统计分布（如中位数/均值），仅执行“>threshold→1，≤threshold→0”硬判断；输入须二维，不处理NaN，全负数配默认阈值会导致全零输出，需按业务或数据分布手动设阈值。
直接用 Binarizer 转换数值特征为布尔型，核心是设好阈值——默认 threshold=0.0，但多数场景下你得手动调。
为什么 Binarizer 默认不按中位数或均值分界？
Binarizer 是无状态的简单阈值切割器，它不统计数据分布，也不拟合训练集——和 StandardScaler 或 MinMaxScaler 的行为完全不同。它只做“大于等于 threshold → 1，否则 → 0”这一步硬判断。
- 输入必须是二维数组（哪怕只有一列），
reshape(-1, 1)常被漏掉 - 它不检查
threshold是否在数据范围内，设成 100 而数据最大才 5，结果全为 0，不会报错也不会警告 - 不能直接处理
NaN，遇到会原样保留，后续模型可能报ValueError: Input contains NaN
怎么正确调用 Binarizer 并避免全零输出？
先看一个典型翻车场景：用默认 threshold=0.0 处理全负数特征，结果全变 0。解决方式很直白——根据业务或分布选阈值。
- 若想以中位数为界：
thresh = np.median(X)，再传给Binarizer(threshold=thresh) - 若想保留原始 scale 下的语义（比如收入 > 50000 算高收入）：
Binarizer(threshold=50000) - 注意：
transform()返回的是浮点型array（值为 0.0/1.0），不是 bool 类型；如需 bool，得额外加.astype(bool)
from sklearn.preprocessing import Binarizer import numpy as np <p>X = np.array([[ -2.1], [ 0.5], [ 1.8], [ -0.3]]) binarizer = Binarizer(threshold=0.0) X_bin = binarizer.transform(X) # → [[0.], [1.], [1.], [0.]]</p>
Binarizer 和手写 X > thresh 有啥区别？
本质没区别，都是逐元素比较。但 Binarizer 提供了 scikit-learn pipeline 集成能力，能和 ColumnTransformer、Pipeline 无缝衔接，而裸 NumPy 表达式没法直接放进 fit_transform 流程里。
立即学习“Python免费学习笔记（深入）”；
- 在 Pipeline 中必须用
Binarizer，不能用lambda x: (x > 0.5).astype(int)——后者不是 transformer 接口 -
Binarizer的copy=True默认开启，避免意外修改原数据；手写表达式常直接索引赋值，易引发副作用 - 它支持稀疏矩阵输入，手写布尔索引对 scipy.sparse 不友好
真正容易被忽略的点是：Binarizer 不保存任何数据统计量，所以它不能用于「用训练集阈值二值化测试集」这种需要跨数据集一致切分的场景——这时候得自己算好阈值存下来，或者改用 FunctionTransformer 封装带固定参数的逻辑。
