Python特征处理：FeatureUnion合并多种提取器

FeatureUnion 已被 scikit-learn 正式弃用（1.2 版起标记为 deprecated，1.4+ 触发警告，后续将彻底移除），所有依赖它的代码必须立即迁移到更强大、更安全的 ColumnTransformer 或嵌套 Pipeline；它原生支持按列类型/名称/位置精准分发不同预处理器（如数值标准化、文本向量化、类别编码），避免了 FeatureUnion 的列名丢失、稀疏矩阵兼容差、手动拼接易错等顽疾，但需注意数据清洗前置（如填充空文本、处理缺失值）、显式声明 remainder 行为、统一输出格式，并确保自定义变换器正确实现 fit_transform 接口——这不是简单替换，而是拥抱更健壮、可维护、符合现代 sklearn 设计范式的特征工程新标准。

FeatureUnion 在 scikit-learn 中早已被弃用

直接说结论：FeatureUnion 从 scikit-learn 1.2 版本起正式标记为 deprecated，1.4+ 版本中调用会触发 FutureWarning，后续版本将彻底移除。你现在写的代码如果依赖它，迟早会报错或失效。

替代方案不是“怎么用好 FeatureUnion”，而是必须迁移到 ColumnTransformer + make_column_transformer，或者更灵活的 sklearn.pipeline.Pipeline 嵌套组合。

ColumnTransformer 是当前标准做法

ColumnTransformer 解决了 FeatureUnion 的核心缺陷：它天然支持按列（类型/名称/位置）分发不同预处理器，避免手动拼接数组、列名丢失、稀疏矩阵兼容性差等问题。

典型场景：数值列做标准化，文本列做 TfidfVectorizer，类别列做 OneHotEncoder，全部输出合并成一个特征矩阵。

• 必须显式指定每组列的索引或名称，例如 ['age', 'income'] 或 slice(0, 2)
• 每个变换器输出默认是 sparse=True，若混用密集/稀疏结果，需统一设 n_jobs=1 或用 remainder='passthrough' 控制未匹配列行为
• 注意 remainder='drop'（默认）会静默丢弃未声明的列，调试时建议先设为 'passthrough' 确认输入结构

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler
from sklearn.feature_extraction.text import TfidfVectorizer
preprocessor = ColumnTransformer(
transformers=[
('num', StandardScaler(), ['age', 'income']),
('txt', TfidfVectorizer(max_features=100), 'review'),
('cat', OneHotEncoder(drop='first'), ['country'])
],
remainder='drop'  # 明确意图，避免意外保留无关列
)

多个提取器输出维度不一致怎么办

常见错误现象：ValueError: blocks[0,:] has incompatible row dimensions —— 这通常是因为不同变换器处理后样本数不一致（比如某列含缺失值导致 OneHotEncoder 报错，或文本列有空字符串让 TfidfVectorizer 输出全零行）。

根本原因不是 ColumnTransformer 本身，而是子变换器没做数据清洗预检。

• 在传入 ColumnTransformer 前，确保所有参与列长度一致且无非法值（如 NaN 在 TfidfVectorizer 输入中会报错）
• 对文本列，加一层 FunctionTransformer(lambda x: x.fillna('')) 防空值；对类别列，用 handle_unknown='ignore' 避免预测时遇到新类别崩溃
• 若需动态列选择（如正则匹配列名），用 make_column_selector(pattern=r'text_.*')，别手写列表漏列

想复用已有 FeatureUnion 逻辑？别硬改，重写更稳

如果你老项目里有一堆基于 FeatureUnion 的自定义提取器（比如继承 BaseEstimator + TransformerMixin 的类），不要试图给它们打补丁适配新接口。

正确路径是把每个子提取器单独封装为符合 fit/transform 接口的类，然后直接塞进 ColumnTransformer 的 transformers 列表里——它完全接受任意合法 transformer 实例，不挑出身。

容易被忽略的一点：ColumnTransformer 对每个变换器调用的是 fit_transform()，不是分别调用 fit() 和 transform()。如果你的自定义类里重写了 transform() 但没处理 fit_transform() 的委托逻辑，就会出错。

今天关于《Python特征处理：FeatureUnion合并多种提取器》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！