Scikit-learn 默认输出 NumPy 数组而非 Pandas DataFrame，因其设计哲学强调数据结构中立；即使输入为 DataFrame，fit_transform() 也返回 ndarray，需手动用 columns 和 index 重建 DataFrame。
Scikit-learn 本身不输出 Pandas DataFrame，它只返回 NumPy 数组；所谓“原生 Pandas 格式”是误解，必须手动转换。
为什么 fit_transform() 返回的是 numpy.ndarray 而不是 DataFrame
Scikit-learn 的设计哲学是保持数据结构中立：所有预处理器（如 StandardScaler、OneHotEncoder）和模型都以 numpy.ndarray 为默认输入/输出。即使你传入 DataFrame，只要没显式保留列名和索引，返回值就是裸数组。
- 底层调用
np.asarray()或直接操作.values，丢弃columns和index -
OneHotEncoder在 1.0+ 版本虽支持set_params(sparse_output=False)，但输出仍是ndarray，不是DataFrame - 只有
ColumnTransformer配合verbose_feature_names_out=True（v1.2+）能生成带前缀的特征名，但仍需手动封装成DataFrame
如何把 StandardScaler 输出转成带列名的 DataFrame
核心动作是：用原始 DataFrame 的 .columns 和 .index 重建结构。不能只靠 pd.DataFrame(scaler.fit_transform(X)) —— 这会丢失列名。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
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
- 正确做法：
from sklearn.preprocessing import StandardScaler<br>import pandas as pd<br><br>scaler = StandardScaler()<br>X_scaled = scaler.fit_transform(X)<br>X_scaled_df = pd.DataFrame(X_scaled, columns=X.columns, index=X.index)
- 如果
X是pd.Series，先转成二维：pd.DataFrame(X).values.reshape(-1, 1)再缩放，否则fit_transform()报ValueError: Expected 2D array - 注意：若
X含非数值列（如字符串），StandardScaler会直接报错，需先用ColumnTransformer分离处理
用 ColumnTransformer + OneHotEncoder 保留列名的实操要点
v1.2+ 支持 get_feature_names_out()，这是目前最接近“原生 Pandas 支持”的方式，但依然要手动包裹。
立即学习“Python免费学习笔记（深入）”；
- 必须设
verbose_feature_names_out=True（默认为True，但显式写上更安全） - 编码后立即调用
ct.get_feature_names_out()，别用已弃用的get_feature_names() - 示例：
from sklearn.compose import ColumnTransformer<br>from sklearn.preprocessing import OneHotEncoder<br><br>ct = ColumnTransformer(<br> transformers=[('cat', OneHotEncoder(drop='first'), ['gender', 'city'])],<br> remainder='passthrough',<br> verbose_feature_names_out=True<br>)<br>X_trans = ct.fit_transform(X)<br>feature_names = ct.get_feature_names_out()<br>X_trans_df = pd.DataFrame(X_trans, columns=feature_names, index=X.index) - 坑点：
remainder='passthrough'时，数值列名不会自动带上前缀，而remainder='drop'会丢列；若混用缩放器，需在ColumnTransformer内嵌套StandardScaler并统一管理列名
真正麻烦的不是转换本身，而是当 pipeline 变深、中间步骤混用 FunctionTransformer 或自定义类时，列名极易断裂——每次调用 fit_transform() 后都得检查 .shape 和 .columns 是否对齐，否则后续 pd.merge() 或模型解释会出静默错误。
