FeatureUnion自scikit-learn 1.2起被弃用、1.4版彻底移除，标准替代方案是ColumnTransformer；它支持列名选择、自动拼接稀疏/稠密矩阵、保留可解释性，且避免类型不匹配、内存爆炸和列名丢失等问题。
FeatureUnion在scikit-learn中已被弃用，改用ColumnTransformer更安全
直接说结论：FeatureUnion 从 scikit-learn 1.2 开始已标记为 Deprecated，1.4 版本彻底移除。现在合并多个特征提取器的**标准做法是用 ColumnTransformer**，它更清晰、更健壮，且天然支持列名和稀疏矩阵处理。
如果你看到老教程或代码里还在用 FeatureUnion + Pipeline 拼接 TfidfVectorizer 和 StandardScaler，那大概率跑不通或报 FutureWarning。别硬扛，直接重构。
ColumnTransformer怎么替代FeatureUnion做文本+数值特征拼接
典型场景：一个 DataFrame 同时含文本列（如 "review"）和数值列（如 "rating", "length"），需要分别做 TF-IDF 和标准化，再横向合并成一个特征矩阵。
-
ColumnTransformer的transformers参数接收三元组：("name",transformer,column_selector) - 列选择器可以是字符串（单列）、字符串列表（多列）、整数索引、布尔数组，或自定义函数（返回布尔 Series）
- 默认
remainder="drop"，想保留未指定列就设remainder="passthrough" - 输出是
scipy.sparse矩阵（TF-IDF）和numpy.ndarray（StandardScaler）的自动拼接，无需手动np.hstack
from sklearn.compose import ColumnTransformer
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.preprocessing import StandardScaler
<p>preprocessor = ColumnTransformer(
transformers=[
("tfidf", TfidfVectorizer(max_features=1000), "review"),
("num", StandardScaler(), ["rating", "length"]),
],
remainder="drop"
)</p><p>X_processed = preprocessor.fit_transform(df)</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill4769" title="Python Testing"><img
src="https://img.php.cn/upload/skill/000/000/081/179021887894914.jpg" alt="Python Testing" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill4769" title="Python Testing">Python Testing</a>
<p>Python 测试速查：运行 pytest、使用 mock/patch、参数化、fixtures、异步、覆盖率测试。</p>
</div>
<a href="/xiazai/skill4769" title="Python Testing" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><h1>X_processed 是 shape (n_samples, 1002) 的 sparse matrix</h1><p>为什么不用Pipeline套FeatureUnion？容易踩哪些坑
旧写法常见错误包括：
-
FeatureUnion输入必须是二维数组，但TfidfVectorizer对单列 Series 默认输出稀疏矩阵，而StandardScaler要求二维 ndarray —— 类型不一致导致ValueError: Expected 2D array, got 1D array instead - 手动拼接需调用
scipy.sparse.hstack或np.column_stack，但二者对稀疏/稠密混合输入行为不一致，容易静默转稠密，内存爆炸 - 列名丢失：
FeatureUnion不保留原始列信息，后续 debug 或模型解释困难 - 无法指定不同列用不同预处理器，只能靠
FunctionTransformer做 hack，可读性差
如果必须兼容老版本sklearn，FeatureUnion还能用吗
能，但仅限 scikit-learn ≤ 1.1.x，且要严格满足输入规范：
- 所有 transformer 的
fit_transform输出必须是同类型（全 sparse 或全 dense） - 确保输入 X 是 DataFrame 且每列单独封装成
FunctionTransformer(lambda x: x)，否则TfidfVectorizer会报AttributeError: 'Series' object has no attribute 'lower' - 务必加
n_jobs=1，因为FeatureUnion的并行在稀疏矩阵上不稳定
示例（不推荐，仅作对照）：
from sklearn.pipeline import FeatureUnion, Pipeline
from sklearn.preprocessing import FunctionTransformer
<h1>必须把每列转成独立 transformer</h1><p>text_pipe = Pipeline([("select", FunctionTransformer(lambda x: x["review"], validate=False)),
("tfidf", TfidfVectorizer())])
num_pipe = Pipeline([("select", FunctionTransformer(lambda x: x[["rating"]], validate=False)),
("scale", StandardScaler())])</p><p>union = FeatureUnion([("text", text_pipe), ("num", num_pipe)])
X_out = union.fit_transform(df) # 仍可能因类型不匹配失败
这种写法维护成本高，升级 sklearn 后必然崩。真要长期维护项目，现在就切到 ColumnTransformer。
