ColumnTransformer预处理管道报错：字符串转浮点数ValueError排查

问题出在管道结构的层级错误：你把需要处理全局特征的SelectPercentile放进了ColumnTransformer里，导致它直接作用于未编码的原始分类列（比如MSZoning的'RL'字符串），而不是经过预处理后的全数值特征矩阵。

ColumnTransformer的作用是按列分组分别处理，而SelectPercentile是对整个特征矩阵做筛选，正确的流程应该是：先通过ColumnTransformer完成所有特征的数值化预处理，再把预处理后的结果传给SelectPercentile做特征选择。

正确的管道实现代码 #

from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler
from category_encoders import TargetEncoder
from sklearn.feature_selection import SelectPercentile, f_regression
from sklearn.compose import ColumnTransformer

# 1. 定义特征分组
numeric_features = ["你的数值特征列表"]
categorical_features = ["MSZoning", "你的其他分类特征"]

# 2. 定义子管道
numeric_pipe = Pipeline([
    ("imputer", SimpleImputer(strategy="median")),  # 数值缺失值填充
    ("scaler", StandardScaler())                   # 标准化
])

categorical_pipe = Pipeline([
    ("imputer", SimpleImputer(strategy="most_frequent")),  # 分类缺失值填充
    ("encoder", TargetEncoder())                           # 目标编码
])

# 3. 用ColumnTransformer整合特征预处理
preprocessor = ColumnTransformer([
    ("num", numeric_pipe, numeric_features),
    ("cat", categorical_pipe, categorical_features)
])

# 4. 构建最终管道：预处理 -> 特征选择
final_pipeline = Pipeline([
    ("preprocessor", preprocessor),
    ("selector", SelectPercentile(f_regression, percentile=80))  # 按需调整percentile参数
])

# 调用fit_transform
X_processed = final_pipeline.fit_transform(X, y)

错误原因解析 #

如果错误地将SelectPercentile加入ColumnTransformer的transformers列表（比如指定它处理分类列），ColumnTransformer会直接把原始分类列传给选择器，而f_regression要求输入必须是数值型特征，自然会抛出字符串转浮点数的错误。

你之前把选择器放进子管道单独运行时，子管道已经完成了编码，输入选择器的是数值特征，所以不会出错。

内容的提问来源于stack exchange，提问作者jdbanfill