StandardScaler提示缺失特征但对应列已存在的技术问题求助

问题重现 #

执行模型预测时出现特征缺失错误：

Feature names seen at fit time, yet now missing:
- Emplacement de la blessure_bras
- Emplacement de la blessure_dos

但检查DataFrame确认对应列确实存在：

0     0
1     0
2     0
3     0
4     0
5     1
6     0
7     0
8     0
9     0
10    0
11    1
12    0
13    0
14    0
15    0
16    0
Name: Emplacement de la blessure_bras, dtype: uint8

核心原因 #

问题出在训练阶段和预测阶段的哑变量生成逻辑不一致：

• 若训练时用pd.get_dummies自动生成哑变量，当预测数据中某个分类类别未出现时，对应的哑变量列不会被创建，导致特征集合和训练时不匹配。
• 即便当前看到列存在，也可能是后续数据处理中出现误操作（比如列名被修改、特征被过滤），或是生成哑变量的步骤未对齐训练时的规则。

解决方案 #

方案1：用Sklearn编码器统一处理（推荐）

放弃pd.get_dummies，改用ColumnTransformer+OneHotEncoder，训练时保存编码器，预测时复用，确保特征完全对齐：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
import pandas as pd

# 定义原始分类特征列
categorical_cols = ["Emplacement de la blessure"]

# 构建转换器：仅对分类列做独热编码，其他列保持原样
ct = ColumnTransformer(
    transformers=[('onehot', OneHotEncoder(sparse_output=False), categorical_cols)],
    remainder='passthrough'
)

# 训练时拟合并转换数据
X_train_processed = ct.fit_transform(X_train)
# 可选：将转换后的数组转回DataFrame方便查看
X_train_df = pd.DataFrame(
    X_train_processed,
    columns=ct.get_feature_names_out()
)

# 预测时直接用训练好的转换器处理数据
X_test_processed = ct.transform(X_test)

方案2：用pd.get_dummies时强制对齐特征列

如果坚持使用pd.get_dummies，需在训练时保存所有哑变量列名，预测时补全缺失列并调整顺序：

# 训练阶段生成哑变量并保存列名
X_train_dummies = pd.get_dummies(X_train, columns=["Emplacement de la blessure"])
train_feature_cols = X_train_dummies.columns.tolist()

# 预测阶段生成哑变量
X_test_dummies = pd.get_dummies(X_test, columns=["Emplacement de la blessure"])

# 补全缺失的特征列，默认值设为0
for col in train_feature_cols:
    if col not in X_test_dummies.columns:
        X_test_dummies[col] = 0

# 调整列顺序和训练时完全一致
X_test_dummies = X_test_dummies[train_feature_cols]

方案3：排查数据处理流程

检查预测数据的处理步骤：

• 是否有代码修改了列名（比如rename、字符串替换）？
• 是否在生成哑变量后，不小心过滤了某些列？
• 确认训练和预测时的pd.get_dummies参数完全一致（比如prefix、columns是否相同）。

内容的提问来源于stack exchange，提问作者Killme Madame