sklearn.transformermixin不能直接用，因仅继承它不强制实现fit/transform且不校验返回值形状，需同时继承baseestimator和transformermixin，并确保fit返回self、transform返回同形ndarray或dataframe。
为什么 sklearn.TransformerMixin 不能直接用？
因为只继承 TransformerMixin 不等于能被 sklearn 流水线识别——它没强制你实现 fit 和 transform，更不校验返回值形状。实际用时会报 AttributeError: 'MyTransformer' object has no attribute 'transform' 或在 Pipeline 里 silently 失效。
正确做法是同时继承 BaseEstimator 和 TransformerMixin，并确保：
-
fit(self, X, y=None)必须返回self（支持链式调用） -
transform(self, X)必须返回np.ndarray或pd.DataFrame，且行数与输入一致 - 如果要支持
y（比如目标编码），得在fit中显式接收并存储，但别改transform签名
如何让自定义 Transformer 支持 pandas DataFrame 输入？
原生 sklearn Transformer 默认只认 np.ndarray，一遇到 DataFrame 就丢列名、变二维数组、甚至崩在 iloc 上。关键不是“能不能”，而是“怎么保结构”。
实操建议：
- 在
transform开头加判断：if hasattr(X, 'columns')，然后用pd.DataFrame(result, columns=X.columns, index=X.index)包一层 - 避免用
X.values直接转数组——它丢索引和列名；改用X.to_numpy()+ 显式重建 DataFrame - 如果内部用了
scikit-learn的其他 transformer（如StandardScaler），记得它输出是ndarray，必须手动转回DataFrame
fit_transform 是不是必须重写？
不用。只要正确定义了 fit 和 transform，TransformerMixin 已经提供了默认的 fit_transform 实现：先 fit 再 transform。但要注意两个坑：
- 如果你的
transform依赖fit中计算的统计量（比如均值、分位数），那fit_transform没问题；但若你在transform里偷偷重新计算（比如每次取当前 batch 的均值），结果就和分开调用fit+transform不一致 - 某些场景下（如在线学习），你可能想绕过
fit_transform，直接调用transform—— 这时必须保证transform能处理未fit的实例，否则抛AttributeError
Pipeline 里报 ValueError: Expected 2D array, got 1D array 怎么办？
这是最常踩的坑：你的 transform 返回了 1D 数组（比如只选了一列），但下游 estimator（如 LogisticRegression）要求 2D 输入。
解决方法很直接：
- 检查
transform返回值维度：result.ndim == 2，如果不是，用result.reshape(-1, 1)或result[:, None]强制升维 - 如果是单列
DataFrame，别用df['col']（返回Series），改用df[['col']]（保持DataFrame） - 调试时加一句
print(f"transform output shape: {result.shape}, type: {type(result)}")，比猜快十倍
真正麻烦的不是写错，而是这个错误常在 Pipeline 最后一步才暴露，往前查要翻好几层。建议每个自定义 Transformer 写完立刻单独测 fit_transform 输出形状。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
