scikit-learn要求输入为二维数组，单列df["col"]返回一维series导致报错；应使用df[["col1","col2"]]、转np.array(y)或保留series；standardscaler输出无列名，需手动重建dataframe；columntransformer处理混合类型时须精确匹配列名，且训练与推理的预处理逻辑必须严格一致。
Scikit-learn 本身不接受 Pandas DataFrame 作为 fit() 或 predict() 的输入，所谓“无缝”其实是靠约定和适配，不是开箱即用。
为什么 fit() 会报 ValueError: Expected 2D array, got 1D array instead
这是最常见报错，根源在于 scikit-learn 要求所有特征输入必须是二维结构（shape = (n_samples, n_features)），而 Pandas 的单列选择（如 df["age"]）返回的是 Series，本质是一维；即使选多列（df[["age", "income"]]），虽是二维，但部分老版本 sklearn 仍可能因内部类型检查失败而拒绝。
- 用
df[["col1", "col2"]]（双层方括号）确保返回DataFrame，而非Series - 避免直接传
df["target"]给y，应转为np.array(df["target"])或保留为Series（较新 sklearn 版本已支持） - 若用
df.values，会丢弃列名和索引，后续调试困难，仅在明确需要纯数值时使用
如何保留列名与索引，又让 StandardScaler 正常工作
StandardScaler 默认输出 numpy.ndarray，直接丢弃了原始 DataFrame 的列名和索引。这不是 bug，是设计使然——它只负责数值变换，不负责元数据管理。
- 手动重建：用
pd.DataFrame(scaler.transform(X), columns=X.columns, index=X.index) - 更稳妥的做法是封装成函数或使用
sklearn-pandas（非官方但轻量），但注意其已停止维护，推荐改用ColumnTransformer+ 自定义 transformer - 切勿对含非数值列（如字符串、日期）直接调用
scaler.fit_transform()，会抛TypeError；先用select_dtypes(include=np.number)过滤
用 ColumnTransformer 处理混合类型特征时的坑
当数据中同时有数值列、类别列、文本列时，ColumnTransformer 是标准解法，但它对列名/位置的指定非常敏感，且错误信息不友好。
- 传列名列表（如
["age", "income"]）比传位置切片（如slice(0, 2)）更可读、更抗顺序变动 - 类别编码器（如
OneHotEncoder）默认drop="first"在新版中已启用，若依赖旧行为需显式设为None -
remainder="passthrough"会保留未指定列，但输出是numpy.ndarray，列名丢失；如需保留，必须配合set_params(remainder="drop")+ 显式处理剩余列 - 训练时列名必须完全匹配，哪怕大小写或空格差异都会导致
KeyError: 'column_name'
真正难的不是写通流程，而是当模型上线后，训练时的 DataFrame 列顺序、缺失值策略、类别编码映射，必须和推理时严格一致——这些细节不会报错，但会让预测结果悄然漂移。
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！
