如何使用FunctionTransformer结合自定义函数实现列间计算并添加新列？

你遇到的TypeError: diff() got multiple values for argument 'x'是因为FunctionTransformer的transform方法会自动把整个输入数据集（这里是DataFrame）作为第一个位置参数传给自定义函数，而你通过kw_args传入的x='ndp'又给diff函数的x参数赋值，导致参数冲突。

下面是几种可行的解决方案：

方案1：修改自定义函数，接收整个DataFrame处理 #

调整diff函数，让它以DataFrame为输入，通过参数指定要计算的列名：

def diff(df, col_x, col_y):
    return df[col_x] - df[col_y]

然后正确初始化FunctionTransformer并执行计算：

from sklearn.preprocessing import FunctionTransformer
import pandas as pd

X = pd.DataFrame({"product":["a","b","c","d"], "ndp":[100,200,150,120], "discount":[5,10,15,30]})

# 初始化转换器，传入列名参数
transf = FunctionTransformer(diff, kw_args={'col_x': 'ndp', 'col_y': 'discount'})
# 计算新列数据
price_values = transf.transform(X)
# 将新列添加到原DataFrame
X['price'] = price_values

执行后数据集会新增price列：

product  ndp  discount  price
0       a  100         5     95
1       b  200        10    190
2       c  150        15    135
3       d  120        30     90

方案2：用lambda函数包装原diff函数 #

如果不想修改原diff函数，可以用lambda包装，直接在转换器中提取列传入：

from sklearn.preprocessing import FunctionTransformer
import pandas as pd

def diff(x, y):
    return x - y

X = pd.DataFrame({"product":["a","b","c","d"], "ndp":[100,200,150,120], "discount":[5,10,15,30]})

# 用lambda接收DataFrame，提取指定列后调用diff
transf = FunctionTransformer(lambda df: diff(df['ndp'], df['discount']))
X['price'] = transf.transform(X)

此方法同样能得到目标结果。

方案3：在函数内直接添加新列 #

如果希望转换器直接返回包含新列的DataFrame，可以修改函数逻辑：

def add_new_col(df, col_x, col_y, new_col_name):
    df[new_col_name] = df[col_x] - df[col_y]
    return df

transf = FunctionTransformer(add_new_col, kw_args={'col_x': 'ndp', 'col_y': 'discount', 'new_col_name': 'price'})
# 直接获取带新列的数据集
X_with_price = transf.transform(X)

内容的提问来源于stack exchange，提问作者Slevin_42