基于Sklearn StandardScaler构建自定义缩放器时的TypeError问题排查

问题根源 #

报错是因为sklearn的StandardScaler构造函数从0.24版本开始，copy、with_mean、with_std参数必须以关键字参数形式传递，不能直接按位置传参。原代码中StandardScaler(copy,with_mean, with_std)是把三个变量作为位置参数传入，而StandardScaler的__init__只接受self作为位置参数，其余参数必须用关键字指定。

修正后的代码 #

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.preprocessing import StandardScaler
import numpy as np
import pandas as pd

class CustomScaler(BaseEstimator, TransformerMixin): 
    def __init__(self, columns, copy=True, with_mean=True, with_std=True):
        # 用关键字参数传递StandardScaler的参数
        self.scaler = StandardScaler(copy=copy, with_mean=with_mean, with_std=with_std)
        self.columns = columns
        self.mean_ = None
        self.var_ = None
        
    def fit(self, X, y=None):
        self.scaler.fit(X[self.columns], y)
        # 直接使用StandardScaler计算好的均值和方差，避免重复计算
        self.mean_ = self.scaler.mean_
        self.var_ = self.scaler.var_
        return self
    
    def transform(self, X, y=None):
        init_col_order = X.columns
        
        X_scaled = pd.DataFrame(self.scaler.transform(X[self.columns]), columns=self.columns, index=X.index)
        X_not_scaled = X.loc[:, ~X.columns.isin(self.columns)]
        
        # 保持原始列顺序返回
        return pd.concat([X_not_scaled, X_scaled], axis=1)[init_col_order]

额外优化说明 #

• 修正参数传递方式：将StandardScaler(copy,with_mean, with_std)改为StandardScaler(copy=copy, with_mean=with_mean, with_std=with_std)，符合sklearn的API要求。
• 复用scaler计算结果：fit方法中直接引用self.scaler.mean_和self.scaler.var_，而不是自己用np.mean/np.var计算，保证和缩放时使用的统计量完全一致。
• 保留索引：构造X_scaled时添加index=X.index，避免拼接时因索引不一致出现问题。

实例化方式 #

现在可以正常使用CustomScaler(columns_to_scale)实例化，若需要修改默认缩放参数，可通过关键字指定：

# 示例：禁用均值中心化
scaler = CustomScaler(columns_to_scale, with_mean=False)

内容的提问来源于stack exchange，提问作者sowfi