自定义sklearn转换器报错：'function'对象无'transform'属性

错误根源 #

1. 构造函数命名错误：Python类的初始化方法必须用双下划线__init__，你写的_init_（单下划线）不会被Python识别为构造函数，导致类实例化时self.skew_cols未被正确初始化，后续逻辑触发异常。
2. 方法调用错误：skew_obj.fit.transform(x.train)是错误写法，fit是类的方法，需要先调用fit(x.train)得到实例后再调用transform；或者直接用fit_transform（TransformerMixin提供的默认组合方法）。
3. 缺失依赖导入：代码中使用了np.log但未导入numpy库，会触发未定义错误。
4. 修改原数据风险：transform方法直接修改输入的x，会导致原数据集被篡改，建议先复制数据再操作。

修正后的完整代码 #

import numpy as np
from sklearn.base import BaseEstimator, TransformerMixin

class skew_transformed(BaseEstimator, TransformerMixin):
    # 修正构造函数的双下划线
    def __init__(self, skew_cols):
        self.skew_cols = skew_cols

    def fit(self, x, y=None):
        return self

    def transform(self, x):
        # 复制数据避免修改原数据集
        x_transformed = x.copy()
        x_transformed[self.skew_cols] = np.log(x_transformed[self.skew_cols] + 1)
        return x_transformed

# 实例化时传入需要处理的偏态列名列表
skew_obj = skew_transformed(skew_cols=["col1", "col2"])  # 替换成你的实际列名
# 正确调用方式：直接用fit_transform组合方法
transformed_data = skew_obj.fit_transform(x.train)

关键修正点拆解 #

• 把_init_改成__init__，确保类初始化逻辑生效，实例化时必须传入skew_cols参数（指定要处理的列）。
• 调用方式改为skew_obj.fit_transform(x.train)，或者分步调用skew_obj.fit(x.train).transform(x.train)。
• 添加import numpy as np，解决np未定义的问题。
• 在transform中复制输入数据，防止原数据集被意外修改。

内容的提问来源于stack exchange，提问作者tina