featureunion 自 scikit-learn 1.2 版起被弃用，1.4+ 版本中彻底移除；替代方案为 columntransformer（推荐用于按列处理）或 make_union（仅支持全量输入并行变换，需配合 functiontransformer 适配列提取）。
FeatureUnion 在 scikit-learn 中早已被弃用
直接告诉你结论：FeatureUnion 从 scikit-learn 1.2 版本起正式标记为 Deprecated，1.4+ 版本中彻底移除。你现在 pip install 的新版 sklearn 已经没有这个类了——硬写会报 ImportError: cannot import name 'FeatureUnion' from 'sklearn.pipeline'。
替代方案是 ColumnTransformer（适合按列分发处理）或更通用的 make_column_transformer / make_union，但注意：make_union 并不等价于旧 FeatureUnion，它只支持「对同一组输入数据并行调用多个 transformer」，且要求所有 transformer 都能处理完整 X（即不能像 ColumnTransformer 那样选列）。
用 make_union 替代 FeatureUnion 的正确姿势
make_union 是当前唯一保留的“并行合并”工具，但它对 transformer 的输入兼容性要求严格：每个组件都必须接受二维数组 X（shape=(n_samples, n_features)），且返回二维输出。如果你原来用 FeatureUnion 拼接 TfidfVectorizer 和 StandardScaler，现在依然可以，但要注意：
-
TfidfVectorizer默认只接受一维文本序列（fit(X)中X是 list of str），不能直接塞进make_union—— 必须先用FunctionTransformer包一层，把列抽出来 -
StandardScaler要求输入是数值型二维数组，如果原始数据混有文本列，得先分离 - 所有 transformer 的
fit_transform输出必须是稀疏或密集二维数组，且行数一致，否则numpy.hstack拼接失败
示例（假设 X 是 DataFrame，含文本列 'text' 和数值列 'age', 'income'）：
from sklearn.compose import make_union from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.preprocessing import StandardScaler from sklearn.preprocessing import FunctionTransformer import numpy as np <h1>提取文本列的函数</h1><p>def get_text(X): return X[:, 0] # 假设 text 是第 0 列</p><h1>提取数值列的函数</h1><p>def get_numeric(X): return X[:, 1:].astype(float)</p><p>text_pipe = make_pipeline( FunctionTransformer(get_text, validate=False), TfidfVectorizer(max_features=1000) )</p><p>num_pipe = make_pipeline( FunctionTransformer(get_numeric, validate=False), StandardScaler() )</p><h1>注意：这里传入的是原始 X（需保证列顺序稳定）</h1><p>preprocessor = make_union(text_pipe, num_pipe) X_combined = preprocessor.fit_transform(X) # X 是 numpy.ndarray 或 DataFrame </p>
ColumnTransformer 才是多数场景的真正替代品
90% 原来用 FeatureUnion 的人，其实真正需要的是按列路由（column-wise routing）——比如对字符串列做 TfidfVectorizer，对数值列做归一化，对类别列做 OneHotEncoder。这时候 ColumnTransformer 更安全、更清晰、也更不易出错。
关键点：
- 必须显式指定每组列名或列索引，例如
["text"]、["age", "income"]或slice(0, 1) - 默认
remainder="drop"，漏写的列会被丢弃；设为"passthrough"可保留，但要注意类型是否下游模型能接收 - 各分支输出自动拼接，无需关心稀疏/密集混合问题（内部已处理）
- 支持命名（
transformers=[("tfidf", vec, ["text"]), ...]），便于后续用get_feature_names_out()查看特征名
性能上，ColumnTransformer 是真正并行的（可通过 n_jobs 控制），而 make_union 默认串行，除非你手动给每个 transformer 设 n_jobs 且它们本身支持。
容易踩的三个坑
第一，别在 make_union 里直接放 TfidfVectorizer——它不认 DataFrame，也不接受二维数值数组，会报 AttributeError: 'numpy.ndarray' object has no attribute 'lower'。
第二，ColumnTransformer 的列选择器在 fit 和 transform 时行为一致，但如果传入的是不同结构的测试集（比如少了一列），会直接崩，错误信息是 ValueError: Found array with dim 3. Expected ，本质是列索引越界。
第三，混合使用稀疏（如 TF-IDF）和密集（如 scaler 输出）特征后，LogisticRegression 等模型能处理，但 RandomForestClassifier 会静默转成密集数组，内存暴涨——这时候得用 scipy.sparse.hstack 手动控制格式，或统一转稠密再降维。
真正麻烦的从来不是怎么拼，而是拼完的特征矩阵形状、数据类型、缺失值状态是否稳定可预期。多打几次 X_combined.shape 和 type(X_combined)，比背 API 文档有用得多。
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！
