FeatureUnion不能直接并行处理数值和文本特征，因为它仅拼接各transformer输出，不调度并发；所谓“并行”依赖子transformer自身是否支持（如TfidfVectorizer的n_jobs），而StandardScaler等默认串行且非线程安全，设n_jobs>1易报错。
FeatureUnion 为什么不能直接并行处理数值和文本特征？
因为 FeatureUnion 本身只是拼接（concatenate）各 transformer 的输出，它不负责调度或并发执行；所谓“并行”实际依赖各子 transformer 内部是否启用多进程（如 CountVectorizer 的 n_jobs）或是否支持延迟计算。常见误区是以为把 StandardScaler 和 TfidfVectorizer 塞进 FeatureUnion 就自动并行了——其实它们默认串行运行，且 StandardScaler 根本不支持 n_jobs。
-
FeatureUnion的n_jobs参数仅控制各分支 transformer 的 fit/transform 调用是否并行（需各 transformer 自身线程安全），但多数 sklearn transformer（如StandardScaler、OneHotEncoder）不是线程安全的，设n_jobs > 1可能报RuntimeError: cannot join current thread - 真正能受益于并行的通常是文本类 transformer：比如
TfidfVectorizer(n_jobs=4)或HashingVectorizer(n_jobs=4)，前提是底层使用了 joblib 并且数据可分片 - 数值 pipeline 和类别 pipeline 通常应保持单线程，避免锁竞争或内存重复拷贝
如何安全地组合数值、类别、文本特征并控制并行粒度？
推荐用 ColumnTransformer 替代 FeatureUnion ——它更清晰、支持列级指定、默认不强制共享状态，且与现代 sklearn（≥1.0）的内存优化机制兼容更好。若仍需 FeatureUnion，必须显式隔离可并行与不可并行的分支。
- 对文本分支单独启用并行：
TfidfVectorizer(max_features=10000, n_jobs=4)，但注意n_jobs=-1在 Windows 上可能触发 spawn 问题，建议固定数值 - 数值分支禁用并行：
StandardScaler()或RobustScaler()不传n_jobs（该参数根本不存在） - 类别分支用
OneHotEncoder(sparse_output=False, drop='first')（sklearn ≥1.2），避免稀疏矩阵拼接时的隐式转换开销 - 所有 transformer 必须实现
fit_transform，且输入 X 的 shape[0]（样本数）一致；若某分支只处理部分列，务必确认索引对齐，否则ValueError: blocks must be same length
FeatureUnion + Pipeline 中容易触发的 fit/transform 不匹配错误
典型报错是 NotFittedError: This StandardScaler instance is not fitted yet 或 AttributeError: 'NoneType' object has no attribute 'transform'，本质是 pipeline 内部调用顺序混乱，尤其在交叉验证或网格搜索中。
- 确保每个分支 transformer 都被封装在独立
Pipeline中，例如：Pipeline([('scaler', StandardScaler())])，而不是裸写StandardScaler()——否则FeatureUnion无法统一管理其生命周期 - 避免在
FeatureUnion外层再套一层Pipeline并传入memory=...，这会干扰 joblib 缓存路径，导致并行任务读到未就绪的中间结果 - 调试时用
verbose=True初始化FeatureUnion，它会打印每个分支的耗时与状态，比盲目加print更可靠 - 如果用了自定义 transformer（继承
BaseEstimator+TransformerMixin），必须确保fit返回self，且transform返回二维数组（shape=(n_samples, n_features)），否则拼接失败
替代方案：ColumnTransformer 比 FeatureUnion 更适合现代特征工程
除非维护旧代码，否则没理由坚持用 FeatureUnion。它已被官方标记为“legacy”，而 ColumnTransformer 支持列名/列索引双模式、自动处理缺失列、与 make_column_selector 配合更自然，且并行行为更可控。
- 用
make_column_selector(pattern='text_')自动选文本列，比硬编码列索引更鲁棒 -
ColumnTransformer的n_jobs参数只作用于各分支内部（如向量化器），不会尝试并行化 scaler 这类轻量操作，规避了线程安全陷阱 - 输出默认为
np.ndarray或pd.DataFrame（取决于verbose_feature_names_out=True），无需手动np.hstack - 示例片段：
ct = ColumnTransformer([ ('num', StandardScaler(), ['age', 'income']), ('cat', OneHotEncoder(drop='first'), ['gender', 'region']), ('txt', TfidfVectorizer(max_features=5000, n_jobs=4), 'review_text') ], remainder='drop', n_jobs=None)这里n_jobs=None表示不跨分支并行，只让 tfidf 内部并行——这才是真实可控的并行
FeatureUnion 是否并行，而是文本向量化时的 max_features 设置、停用词加载方式、以及是否提前做 lowercase=False 导致哈希冲突上升。这些细节比纠结 “要不要用 n_jobs” 关键得多。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！
