FunctionTransformer是sklearn中将任意函数包装为符合fit/transform接口的无状态转换器，适用于简单、无记忆的特征变换（如np.log1p、列筛选），当需保存拟合状态（如均值）或复杂逻辑时应继承BaseEstimator和TransformerMixin。
FunctionTransformer 是什么，什么时候该用它
FunctionTransformer 是 sklearn.preprocessing 里一个轻量但关键的工具：它把任意 Python 函数包装成符合 scikit-learn API 的转换器（即有 fit、transform、fit_transform 方法的对象）。你不需要自己写类、不用管 fit 做什么——除非函数真需要训练数据（比如计算均值），否则 fit 默认什么都不做。
它最常用于：
- 把 NumPy 或 Pandas 的简单操作（如
np.log1p、lambda x: x.dropna()）塞进Pipeline - 在特征工程中插入自定义清洗逻辑，又不想破坏 pipeline 流程
- 快速实验函数式变换，避免写冗长的 Transformer 类
怎么写一个能用的 FunctionTransformer
核心是传对两个参数：func 和 validate。其他参数（如 check_inverse、kw_args）按需加。
-
func必须接收一个数组或 DataFrame，并返回同结构对象（shape 可变，但不能变类型——别从 DataFrame 返回 ndarray，除非你明确知道下游能接住） -
validate默认为True，会强制输入转成np.ndarray；若你操作的是pandas.DataFrame，务必设为False，否则列名和索引全丢 - 若函数需要“拟合”信息（例如用训练集的中位数填充缺失值），得同时提供
inverse_func和/或重写fit方法，但多数情况不需要
<pre class="brush:php;toolbar:false;">from sklearn.preprocessing import FunctionTransformer import numpy as np import pandas as pd <h1>对 DataFrame 操作：保留列名</h1><p>log_transformer = FunctionTransformer( func=lambda X: np.log1p(X.select_dtypes(include='number')), validate=False # 关键！不转成 ndarray )</p><h1>对纯数值数组操作：可以开 validate</h1><p>sqrt_transformer = FunctionTransformer( func=np.sqrt, validate=True # 安全，默认行为 )
常见报错和踩坑点
ValueError: Expected 2D array, got 1D array instead：多半是 <code>validate=True 时传了 pd.Series 或一维数组。解决：要么 reshape，要么关掉 validate，要么改用 np.atleast_2d 包一层函数-
AttributeError: 'numpy.ndarray' object has no attribute 'drop'：你在 func 里写了 X.drop(...)，但 validate=True 把 DataFrame 变成了 ndarray。解决：显式设 validate=False
-
TypeError: cannot concatenate object of type '<class 'float'>'：函数返回了标量或 list，不是数组/DF。确保 func 总是返回和输入兼容的结构
- 在
Pipeline 中和 ColumnTransformer 嵌套时，注意 FunctionTransformer 不自动识别列名——它只认位置索引。如果想按列名操作，得在 func 内部自己做列筛选（如 X[['col_a', 'col_b']]）
和手写 Transformer 类比，差在哪
ValueError: Expected 2D array, got 1D array instead：多半是 <code>validate=True 时传了 pd.Series 或一维数组。解决：要么 reshape，要么关掉 validate，要么改用 np.atleast_2d 包一层函数AttributeError: 'numpy.ndarray' object has no attribute 'drop'：你在 func 里写了 X.drop(...)，但 validate=True 把 DataFrame 变成了 ndarray。解决：显式设 validate=False
TypeError: cannot concatenate object of type '<class 'float'>'：函数返回了标量或 list，不是数组/DF。确保 func 总是返回和输入兼容的结构Pipeline 中和 ColumnTransformer 嵌套时，注意 FunctionTransformer 不自动识别列名——它只认位置索引。如果想按列名操作，得在 func 内部自己做列筛选（如 X[['col_a', 'col_b']]）FunctionTransformer 本质是“懒人封装”，适合无状态或仅依赖输入的变换。一旦逻辑涉及：
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
立即学习“Python免费学习笔记（深入）”；
- 保存拟合时的统计量（如训练集的
mean_） - 需要
inverse_transform且逻辑复杂 - 要支持
get_feature_names_out（比如返回新列名）
那就该直接继承 BaseEstimator 和 TransformerMixin 写类。否则，多一行代码都不值得——FunctionTransformer 已经够用。
真正容易被忽略的是 validate 参数的语义：它不只是“要不要检查”，而是决定输入数据的形态。很多 bug 不是函数写错了，是数据在进函数前就被 check_array 强制降维或丢元数据了。
