fit_transform仅用于训练集，transform用于测试集和新样本；缺失值须先用SimpleImputer处理再缩放；标准化应在独热编码后仅作用于数值列；输出需手动恢复DataFrame的列名和索引。
fit_transform 只能用在训练集上
调用 scaler.fit_transform(X_train) 会同时计算统计量（如均值、标准差或 min/max）并完成变换；而 scaler.transform(X_test) 仅用训练集上算出的固定参数做相同变换。如果对测试集也用 fit_transform，就等于让模型“偷看”了测试数据的分布信息，导致评估指标虚高、线上效果塌方。
常见错误现象：ValueError: Input contains NaN 或模型在验证集上表现异常好、但上线后完全失效。
- 训练阶段：只对
X_train调用fit_transform - 验证/测试阶段：一律用同一个 scaler 实例的
transform - 后续新样本（如 API 请求）：必须复用该 scaler，不能重新
fit
缺失值必须在 fit_transform 前处理干净
StandardScaler 和 MinMaxScaler 都不接受 NaN，也不会跳过或忽略——直接报错。它们没有内置填充能力，更不会帮你决定用均值还是中位数填。
正确顺序是：先用 SimpleImputer 填充，再用 scaler 缩放。且填充策略（如 strategy='mean'）必须基于训练集单独拟合，不能跨数据集混用。
立即学习“Python免费学习笔记（深入）”；
- 先
imputer.fit_transform(X_train)，再scaler.fit_transform(imputed_X_train) - 测试集走同样路径：
imputer.transform(X_test)→scaler.transform(...) - 避免把 imputer 和 scaler 的 fit 拆开：比如先 fit imputer 再 fit scaler，中间没做 transform，会导致 scaler 输入仍是 NaN
标准化必须在独热编码之后执行
对类别型特征做 OneHotEncoder 后生成的是稀疏、0-1 的整数列；若在编码前对原始类别列误用 StandardScaler，不仅无意义，还会破坏稀疏结构、引入浮点误差，甚至让原本互斥的 one-hot 向量失去正交性。
典型踩坑场景：把整个 DataFrame 直接丢给 scaler，没区分数值列和类别列；或 pipeline 中 transformer 顺序写反。
- 只对数值型列应用 scaler，类别列要么跳过，要么经
OneHotEncoder后不再缩放 - 用
ColumnTransformer显式分组处理，比手动切片更安全 - 检查 scaler 输出是否含非数值列：如果
X_scaled形状和原始X不一致，大概率有列被意外缩放或丢弃
标准化后务必恢复 DataFrame 的列名和索引
scaler.fit_transform() 返回的是 numpy.ndarray，原始 pandas.DataFrame 的列名、索引全丢失。这对 debug、特征重要性分析、线上日志对齐都是硬伤。
最容易被忽略的是：scaler 本身不保存任何元数据，所有列名和索引都得你手动传回。
- 安全写法：
X_scaled = pd.DataFrame(scaler.fit_transform(X_train), columns=X_train.columns, index=X_train.index) - 如果 X_train 是 numpy 数组，至少保留 index（如果是从 DataFrame 转来的）
- 别依赖
scaler.feature_names_in_：它只在 sklearn ≥ 1.2 且输入是 DataFrame 时才存在，且不包含 index 信息
