Scikit-learn FunctionTransformer报错：DataFrame无str属性/形状无效

核心错误原因 #

所有报错的本质都是Sklearn转换器（包括FunctionTransformer）默认接收/输出二维结构（如DataFrame或2D数组），但你的自定义函数是针对一维Series编写的，导致类型不匹配：

1. 当通过Pipeline传递单列数据（如['bathrooms_text']）时，FunctionTransformer接收的是单列DataFrame，而非Series，调用.str属性会直接报错（DataFrame没有.str方法）。
2. 若强行用squeeze()转成Series，返回时如果是一维结构，后续Sklearn步骤（如SimpleImputer）会因形状不匹配报错（要求输入为(n_samples, n_features)的二维格式）。
3. price列的问题是自定义函数未彻底将所有字符串转为数值，或返回结构不符合后续步骤要求，导致SimpleImputer仍遇到字符串类型数据。

修正方案 #

1. 修改自定义函数，适配二维输入+输出 #

所有自定义函数需要：

• 先将输入的单列DataFrame转为Series处理
• 处理完成后返回二维结构（单列DataFrame或2D数组），适配Sklearn的输入要求

修正后的clean_bathrooms函数

import numpy as np
import pandas as pd

def clean_bathrooms(bathrooms_df):
    # 将单列DataFrame转为Series
    bathrooms_text = bathrooms_df.squeeze()
    bathrooms_text = bathrooms_text.copy()
    
    pattern = r'(\d.?\d?)\s'
    pattern2 = r'(Half)'
    
    # 处理Half浴室
    bathrooms_text.loc[bathrooms_text.str.contains(pattern2, na=False)] = 0.5
    # 提取数字部分
    bathrooms_text = bathrooms_text.str.extract(pattern)
    # 返回二维数组（适配Sklearn后续步骤的输入格式）
    return bathrooms_text.astype(float).values.reshape(-1, 1)

修正后的clean_property_type函数

def clean_property_type(property_type_df):
    # 将单列DataFrame转为Series
    property_type_col = property_type_df.squeeze()
    property_type_col = property_type_col.copy()
    
    # 合并类别
    property_type_col.loc[property_type_col.str.contains(r'Entire|Tiny home', na=False)] = 'Entire Unit'
    property_type_col.loc[property_type_col.str.contains(r'[Rr]oom', na=False)] = 'Single Room'
    property_type_col.loc[property_type_col.str.contains(r'Camp', na=False)] = 'Camping'
    
    # 标记其他类别为NaN
    property_type_col.loc[~property_type_col.isin(['Camping', 'Single Room', 'Entire Unit'])] = np.nan
    # 返回单列DataFrame（保持二维结构）
    return property_type_col.to_frame()

修正后的extract_price函数

def extract_price(price_df):
    # 将单列DataFrame转为Series
    price_series = price_df.squeeze()
    # 批量替换$和逗号，避免逐行apply的低效
    price_series = price_series.str.replace('$', '', regex=False).str.replace(',', '', regex=False)
    # 转为float并返回单列DataFrame
    return price_series.astype(float).to_frame()

2. 保持Pipeline结构不变，直接使用修正后的函数 #

无需修改Pipeline代码，直接将修正后的函数传入FunctionTransformer即可：

修正后的price列Pipeline示例

from sklearn.preprocessing import FunctionTransformer, StandardScaler
from sklearn.impute import SimpleImputer
from sklearn.pipeline import make_pipeline

clean_price = FunctionTransformer(func=extract_price)
clean_price_pipeline = make_pipeline(
    clean_price,
    SimpleImputer(strategy='mean'),
    FunctionTransformer(np.log1p),
    StandardScaler()
)

# 测试运行
t = df[['price']].copy()
clean_price_pipeline.fit_transform(t)

额外优化：简化FunctionTransformer的使用 #

如果不想修改自定义函数，也可以在FunctionTransformer中直接处理输入输出的形状转换，例如：

bathrooms_pipeline = make_pipeline(
    FunctionTransformer(func=lambda x: clean_bathrooms(x.squeeze()).values.reshape(-1,1)),
    SimpleImputer(strategy='mean'),
    StandardScaler()
)

但这种方式可读性较差，建议优先修改自定义函数适配Sklearn的结构要求。

内容的提问来源于stack exchange，提问作者neal301