StandardScaler报错因fit与transform维度不一致：训练用2列数据，预测用1列；OneHotEncoder报错因测试出现未见过的类别；自定义Transformer需保证fit_transform与transform返回同类型。
fit_transform报错“ValueError: X has 1 features, but StandardScaler was fitted with 2”
这是最典型的格式不一致问题：用含2列的数据调用StandardScaler.fit_transform()，后续却传入1列数据调用scaler.transform()。本质是fit_transform和transform的输入维度必须严格一致。
常见诱因：
- 训练时传入
pd.DataFrame（带列名），预测时传入np.array（丢列名且可能reshape错） - 训练集有缺失列（如某列全NaN被drop了），但测试集保留该列
- 使用
df[['col_a']]（DataFrame，1列） vsdf['col_a']（Series，降维）混用
实操建议：
- 统一用
df[['col_a', 'col_b']]（双括号）确保始终是二维结构 - 检查
X_train.shape和X_test.shape是否列数相同，不等就用X_test = X_test[X_train.columns]对齐列顺序和存在性 - 避免直接对Series调用
fit_transform——scaler.fit_transform(X_train[['col']])合法，scaler.fit_transform(X_train['col'])会报错
用Pipeline自动规避fit\_transform和transform的输入差异
手动管理fit_transform和transform极易出错，尤其在特征工程链路变长时。Pipeline强制把预处理和模型封装成原子操作，内部自动区分训练/推理路径。
立即学习“Python免费学习笔记（深入）”；
示例关键点：
- 只对训练数据调用
pipeline.fit(X_train, y_train)，它内部自动对X_train做fit_transform - 只对测试数据调用
pipeline.predict(X_test)，它内部自动对X_test做transform（不重新fit） - 所有步骤（如
StandardScaler、OneHotEncoder）必须支持fit/transform接口，且输入保持二维
代码片段：
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
<p>pipe = Pipeline([
('scaler', StandardScaler()),
('clf', RandomForestClassifier())
])
pipe.fit(X_train, y_train) # 自动对X_train scaler.fit_transform
y_pred = pipe.predict(X_test) # 自动对X_test scaler.transform
OneHotEncoder在fit\_transform后transform报“could not convert string to float”
这通常不是数据格式问题，而是训练时OneHotEncoder见过的类别，在测试时出现了新类别（unseen category）。默认行为是报错，而非静默忽略。
解决方向：
- 设置
handle_unknown='ignore'（sklearn ≥ 0.20），让transform遇到新类别时输出全0向量 - 或设
handle_unknown='infrequent_if_exist'（需配合min_frequency），自动归并低频类别 - 更稳妥的做法：训练前用
pd.Categorical统一训练/测试的category dtype，确保枚举值完全一致
注意：OneHotEncoder的fit_transform输入必须是二维——即使只编码1列，也要写成encoder.fit_transform(X_train[['cat_col']])，不能是X_train['cat_col'].values.reshape(-1, 1)（虽可行但易错）。
自定义Transformer中fit\_transform返回值类型错乱
继承BaseEstimator和TransformerMixin写自定义类时，fit_transform返回pd.DataFrame，但transform返回np.ndarray，会导致下游模型（如LinearRegression）接收不兼容类型。
核心约束：
-
fit_transform和transform必须返回**相同类型**，推荐统一用np.ndarray（最通用） - 若坚持返回
DataFrame，需确保索引和列名与输入一致，否则Pipeline里列对齐会失败 - 别在
transform里调用self.fit()——这会覆盖训练时学的参数，变成每次transform都重拟合
容易被忽略的一点：当fit_transform返回pd.DataFrame时，其.values属性是np.ndarray，但直接return df.values会丢失列信息；而下游如果依赖列名（如ColumnTransformer），就必须return df本身。
