为何对OneHot编码后的Female[0]列做Log变换会作用于所有列？

我已使用OneHotEncoder对Gender列完成编码，希望仅对编码后的Female[0]列应用log1p变换，但实际编码后的两列都被执行了变换。以下是我的代码、变换前后的数组输出：

代码 #

import pandas as p
from sklearn.preprocessing import FunctionTransformer, OneHotEncoder
from sklearn.compose import ColumnTransformer
import numpy as n

customer=p.read_csv('/content/Customers.csv')
customer.drop(['CustomerID','Profession','Family Size','Work Experience'],axis=1,inplace=True)
column=ColumnTransformer(
    [
        ('ohe_gender',OneHotEncoder(sparse=False,dtype=n.int32),[0])
    ],remainder='passthrough'
)
function=ColumnTransformer(
    [
        ('function',FunctionTransformer(n.log1p),[0])
    ],remainder='passthrough'
)
s=column.fit_transform(customer)
function.fit_transform(s)

变换前（OHE编码后）的数组 #

array([[     0,      1,     19,  15000,     39],
       [     0,      1,     21,  35000,     81],
       [     1,      0,     20,  86000,      6],
       ...,
       [     0,      1,     87,  90961,     14],
       [     0,      1,     77, 182109,      4],
       [     0,      1,     90, 110610,     52]])

变换后的数组 #

array([[0.00000000e+00, 6.93147181e-01, 1.90000000e+01, 1.50000000e+04, 3.90000000e+01],
       [0.00000000e+00, 6.93147181e-01, 2.10000000e+01, 3.50000000e+04, 8.10000000e+01],
       [6.93147181e-01, 0.00000000e+00, 2.00000000e+01, 8.60000000e+04, 6.00000000e+00],
       ...,
       [0.00000000e+00, 6.93147181e-01, 8.70000000e+01, 9.09610000e+04, 1.40000000e+01],
       [0.00000000e+00, 6.93147181e-01, 7.70000000e+01, 1.82109000e+05, 4.00000000e+00],
       [0.00000000e+00, 6.93147181e-01, 9.00000000e+01, 1.10610000e+05, 5.20000000e+01]]

原因分析 #

从变换后的数组可以看到，只有OHE生成的前两列被log1p处理，后续列（年龄、收入等）保持原样，说明remainder='passthrough'正常工作。核心问题是：

• 若你的代码确实使用[0]作为列选择器，理论上仅第0列会被处理，但输出显示第1列也被变换，大概率是代码笔误（比如列选择器误写为[0,1]），或者scikit-learn版本兼容问题导致列选择逻辑异常。
• 另一种可能是你误判了结果：第1列原始值为1时，log1p(1)=0.693，若代码未选中该列，它应保持原始值1，但你的输出中该列值变为0.693，说明代码确实对第1列也应用了变换。

解决方法 #

方法1：手动指定列处理（最直接） #

跳过ColumnTransformer，直接对numpy数组的目标列进行变换：

s = column.fit_transform(customer)
# 仅对第0列应用log1p
s[:, 0] = n.log1p(s[:, 0])

方法2：确保ColumnTransformer正确选择列 #

检查并修正列选择器，同时显式设置FunctionTransformer的validate=True以避免形状错误：

function = ColumnTransformer(
    [
        ('log1p_col0', FunctionTransformer(n.log1p, validate=True), [0])
    ], remainder='passthrough'
)
result = function.fit_transform(s)

方法3：在Pipeline中组合OHE与log1p变换 #

将OHE和指定列的log1p变换整合到一个Pipeline中，避免分步处理的错误：

from sklearn.pipeline import Pipeline

# 定义Gender列的处理流程：OHE -> 仅对第0列log1p
gender_pipeline = Pipeline([
    ('ohe', OneHotEncoder(sparse=False, dtype=n.int32)),
    ('log_col0', ColumnTransformer([
        ('log1p', FunctionTransformer(n.log1p), [0])
    ], remainder='passthrough'))
])

# 整体预处理流程
preprocessor = ColumnTransformer(
    [('gender_process', gender_pipeline, [0])],
    remainder='passthrough'
)

result = preprocessor.fit_transform(customer)

内容的提问来源于stack exchange，提问作者Aaftab Tai