Scikit-learn模型本身不依赖列名，列名丢失源于输入X在处理过程中由DataFrame转为ndarray导致；get_feature_names_out()返回默认名称是因为StandardScaler等转换器不保留列名，ColumnTransformer中未设feature_names_in_或OneHotEncoder参数不当也会引发该问题。
Scikit-learn 本身不依赖列名，所谓“无法识别列名”问题，本质是模型输入（X）与后续处理（如特征重要性解释、Pipeline 中的 ColumnTransformer）之间列信息丢失导致的——numpy.ndarray 没有列名，而 pandas.DataFrame 有，但很多 scikit-learn 接口会默默把 DataFrame 转成 ndarray。
为什么 fit() 后 get_feature_names_out() 返回默认名称？
从 scikit-learn 1.0 开始，get_feature_names_out() 成为标准接口，但它只在明确支持列名传递的转换器中才返回有意义的名称。比如：StandardScaler 默认不保留列名，OneHotEncoder 在 drop='first' 或 sparse=True 下可能打乱顺序，ColumnTransformer 若某分支没设 feature_names_in_ 就会 fallback 到 x0, x1, ...。
- 检查是否用了
StandardScaler().fit(X)：它不会记录原始列名，调用get_feature_names_out()必然返回['x0', 'x1', ...'] - 确认
ColumnTransformer的每个 transformer 是否都设置了remainder='passthrough'或显式命名输出 —— 否则未处理列会被丢弃或重编号 - 如果用
pd.get_dummies()预处理再喂给模型，列名虽存在，但进入fit()后被转成 ndarray，后续无法追溯
如何让 Pipeline 输出带原始列名的特征重要性？
树模型（如 RandomForestClassifier）的 feature_importances_ 是一维数组，长度等于特征数，但不自带名称。要对齐列名，必须手动绑定：
- 训练前确保
X是pandas.DataFrame，且未被中间步骤（如StandardScaler）转成np.ndarray - 用
ColumnTransformer替代手动拼接，它支持get_feature_names_out(input_features=X.columns) - 对最终模型，用
model.feature_importances_和preprocessor.get_feature_names_out(X.columns)构建pd.Series：import pandas as pd<br>import numpy as np<br>from sklearn.ensemble import RandomForestClassifier<br>from sklearn.compose import ColumnTransformer<br>from sklearn.preprocessing import StandardScaler, OneHotEncoder<br><br># 假设 X 是 DataFrame，数值列 numeric_cols，类别列 cat_cols<br>preproc = ColumnTransformer(<br> transformers=[<br> ('num', StandardScaler(), numeric_cols),<br> ('cat', OneHotEncoder(drop='first', sparse_output=False), cat_cols)<br> ],<br> remainder='passthrough'<br>)<br><br>X_proc = preproc.fit_transform(X)<br>feature_names = preproc.get_feature_names_out(X.columns)<br><br>model = RandomForestClassifier().fit(X_proc, y)<br>importance = pd.Series(model.feature_importances_, index=feature_names).sort_values(ascending=False)
ColumnTransformer 中 OneHotEncoder 报错 “got an unexpected keyword argument 'sparse'”？
这是版本兼容问题：sparse=True/False 在 scikit-learn ≥ 1.2 已废弃，改用 sparse_output=True/False。旧代码里写 sparse=False 会导致 TypeError。
- 查当前版本：
import sklearn; print(sklearn.__version__) - scikit-learn 1.2+：必须用
sparse_output=False，否则报错TypeError: __init__() got an unexpected keyword argument 'sparse' - scikit-learn 1.0–1.1：支持
sparse=False，但推荐同步升级参数名 - 若仍需兼容老版本，可用 try/except 或按版本分支设置参数，但更稳妥的做法是统一升级并替换所有
sparse=为sparse_output=
真正麻烦的不是列名丢失本身，而是不同组件对列名的“记忆能力”参差不齐：有的 transformer 记、有的不记；有的只在 fit 时记、transform 时不传；有的 require input_features 显式传入才能还原。别指望一次 fit 就自动继承全部上下文——每层预处理都要单独验证 get_feature_names_out() 输出是否符合预期。
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！
