scikit-learn的fit_transform()默认返回numpy.ndarray而非DataFrame，因设计上不绑定pandas结构；需手动用pd.DataFrame封装并注意列名对齐、索引保留及类型转换。
scikit-learn的fit_transform()默认不返回DataFrame，这是根本原因
scikit-learn几乎所有预处理器（如 StandardScaler、OneHotEncoder、MinMaxScaler）的 fit_transform() 方法都只返回 numpy.ndarray，哪怕输入是 pandas.DataFrame。这不是bug，是设计选择：sklearn专注算法通用性，不绑定pandas结构。
直接用 pd.DataFrame(scaler.fit_transform(df), columns=df.columns, index=df.index) 是最常见补救方式，但要注意三处易错点：
- 列名可能错位——尤其
OneHotEncoder会新增列、打乱顺序，不能直接复用原df.columns - 索引丢失——
fit_transform()默认不保留索引，需显式传入index=df.index - 数值类型丢失——比如
int列经缩放后变成float64，但pandas不会自动推断回整型
OneHotEncoder输出列名混乱？用get_feature_names_out()对齐
OneHotEncoder 是最容易踩坑的：它生成的新列名（如 color_blue、color_red）和原始列名完全不对应，且 get_feature_names() 已在新版本废弃，必须用 get_feature_names_out()。
正确做法：
from sklearn.preprocessing import OneHotEncoder import pandas as pd <p>ohe = OneHotEncoder(drop='first', sparse_output=False) X_encoded = ohe.fit_transform(df[['color', 'size']])</p><h1>关键：用 get_feature_names_out() 拿真实列名</h1><p>cols_encoded = ohe.get_feature_names_out(['color', 'size']) df_encoded = pd.DataFrame(X_encoded, columns=cols_encoded, index=df.index) </p>
注意：sparse_output=False 必须设，否则返回稀疏矩阵，无法直接转DataFrame；drop='first' 会影响列数，所以列名必须从encoder对象里实时取，不能手写。
想一劳永逸？封装成支持DataFrame的Transformer类
如果项目里反复要保留DataFrame结构，自己写一个轻量wrapper比每次手动重建更可靠。核心逻辑就三点：保存输入的列名/索引、调用原transformer、用结果重建DataFrame。
示例（兼容多数预处理器）：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
class DataFrameTransformer:
def __init__(self, transformer):
self.transformer = transformer
self.columns_ = None
self.index_ = None
<pre class="brush:php;toolbar:false;">def fit(self, X, y=None):
self.transformer.fit(X)
self.columns_ = X.columns
self.index_ = X.index
return self
def transform(self, X):
X_trans = self.transformer.transform(X)
# 处理 OneHotEncoder 等可能改变列数的情况
if hasattr(self.transformer, 'get_feature_names_out'):
cols = self.transformer.get_feature_names_out(X.columns)
else:
cols = self.columns_
return pd.DataFrame(X_trans, columns=cols, index=X.index)
用法：df_scaled = DataFrameTransformer(StandardScaler()).fit_transform(df)。但注意：这个wrapper不处理 fit_predict 或 inverse_transform，有需要得单独扩展。
Pipeline里保留DataFrame？ColumnTransformer + set_params()配合用
在 ColumnTransformer 中混合数值/类别列时，输出仍是ndarray。想让整个Pipeline输出DataFrame，得两步走：
- 每个子transformer内部用
get_feature_names_out()获取列名 - 最后用
pd.DataFrame(..., columns=final_cols)组装，而final_cols需拼接所有分支的列名
更省事的做法是：给Pipeline结尾加一个自定义step，例如：
from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
<p>preproc = ColumnTransformer(
transformers=[
('num', StandardScaler(), ['age', 'income']),
('cat', OneHotEncoder(), ['gender', 'city'])
],
remainder='passthrough'
)</p><p>pipe = Pipeline([
('preproc', preproc),
('to_df', DataFrameTransformer(lambda x: x)) # 占位，实际在transform里重写逻辑
])
</p>
真正关键的是——别依赖Pipeline自动推导列名。所有列名拼接必须显式做，且顺序要和 ColumnTransformer 的 transformers 列表顺序严格一致，否则列对不上数据。
最常被忽略的细节：当 remainder='passthrough' 时，那些未被处理的列名不会出现在任何 get_feature_names_out() 结果里，必须手动追加到最终列名列表中。
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！
