必须改用get_feature_names_out()；该函数自scikit-learn 1.2起取代已移除的get_feature_names()，调用时须显式传入input_features（如X.columns），pyLDAvis等第三方库未适配时需手动绕过sklearn绑定层。
因为 get_feature_names 在 scikit-learn 1.0 就已被标记弃用，1.2 版本正式移除 —— 必须改用 get_feature_names_out。
报错现象和直接原因
运行含 get_feature_names() 的代码时，会看到两段典型输出：
- 先触发
FutureWarning：“Function get_feature_names is deprecated; please use get_feature_names_out instead” - 紧接着抛出
AttributeError: 'OneHotEncoder' object has no attribute 'get_feature_names'或类似错误
这不是环境没装好，也不是拼写错，而是 API 被硬性删除。scikit-learn 从 1.2 开始彻底清理了所有 get_feature_names 的实现，连旧版兼容逻辑都删了。
怎么把 get_feature_names() 改成 get_feature_names_out()？
绝大多数情况只需替换函数名，但要注意三点：
立即学习“Python免费学习笔记（深入）”；
-
get_feature_names_out()必须传入input_features参数（通常是原始列名列表），不能空着调用；例如：encoder.get_feature_names_out(['color']) - 如果之前用的是
StandardScaler().get_feature_names()，现在要改成scaler.get_feature_names_out(X.columns)—— 它不会自己猜列名，必须你告诉它 - 在
ColumnTransformer中，应统一调用preprocessor.get_feature_names_out(X.columns)，而不是分别调各子转换器的接口
示例对比：
## 旧写法（1.2+ 报错）
names = encoder.get_feature_names()
<h2>新写法（必须指定输入列名）</h2><p>names = encoder.get_feature_names_out(['category_col'])</p><h2>Pipeline 场景下正确用法</h2><p>X_train = pd.DataFrame({'cat': ['A', 'B'], 'num': [1.0, 2.0]})
preprocessor.fit(X_train)
feature_names = preprocessor.get_feature_names_out(X_train.columns)为什么 verbose_feature_names_out=True 会让结果变复杂？
scikit-learn ≥ 1.2 默认开启 verbose_feature_names_out=True，这会导致 OneHotEncoder 返回带前缀的列名（如 ['cat_A', 'cat_B']），而老代码可能依赖无前缀名（['A', 'B']）做后续处理。
- 若想临时退回旧行为，显式设
OneHotEncoder(verbose_feature_names_out=False) - 但更推荐适配新格式：用
get_feature_names_out(['cat'])得到带前缀名，再用.str.replace('cat_', '')等方式清洗（如需） - 注意：
verbose_feature_names_out=False不等于恢复get_feature_names()，它只是让前缀消失，返回的仍是get_feature_names_out()的结果
pyLDAvis.sklearn.prepare 报错怎么办？
这是最典型的连带问题：你没直接调 get_feature_names，但 pyLDAvis.sklearn.prepare() 内部还在用它。
- 根本原因是 pyLDAvis 当前（截至 2026 年 10 月）尚未适配 sklearn 1.2+，仍调用已删除的接口
- 短期解法：降级 sklearn 到 1.1.x（不推荐，会错过安全更新和新功能）
- 推荐解法：改用
pyLDAvis.prepare()手动传入topic_term_dists、doc_topic_dists等底层结构，绕过 sklearn 绑定层 - 或等 pyLDAvis 发布兼容版本（可关注其 GitHub issues 中关键词 “sklearn 1.2”）
真正麻烦的不是函数名改了，而是很多第三方库卡在迁移半途 —— 它们调用 get_feature_names_out 时又漏传 input_features，反而引发新报错。所以检查依赖库版本比改自己代码更费时间。
