Scikit-learn中make_column_transformer管道报错：数组无columns属性

你的推测完全正确——make_column_transformer默认输出numpy数组，后续步骤如果依赖列名字符串指定字段，就会因为数组没有columns属性触发报错。不用拆分管道，有几种更优的解决方式：

1. 让ColumnTransformer直接输出DataFrame（推荐） #

从Scikit-learn 0.23版本开始，make_column_transformer支持transform_output='pandas'参数，直接输出带列名的DataFrame，后续步骤可以正常使用列名字符串：

from sklearn.compose import make_column_transformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder

# 定义预处理步骤，指定输出为DataFrame
preprocessor = make_column_transformer(
    (StandardScaler(), ['age', 'income']),  # 数值列标准化
    (OneHotEncoder(), ['gender', 'city']),  # 分类列独热编码
    transform_output='pandas'  # 关键参数：输出Pandas DataFrame
)

之后把这个preprocessor加入make_pipeline，后续所有步骤拿到的都是带列名的DataFrame，不会再触发列名相关报错。

2. 手动实现数组转DataFrame转换器（兼容老版本Scikit-learn） #

如果你的Scikit-learn版本低于0.23，可以自定义一个简单的转换器，把numpy数组转回DataFrame：

from sklearn.base import BaseEstimator, TransformerMixin
import pandas as pd

class ArrayToDataFrame(BaseEstimator, TransformerMixin):
    def __init__(self, columns):
        self.columns = columns
    
    def fit(self, X, y=None):
        return self
    
    def transform(self, X):
        return pd.DataFrame(X, columns=self.columns)

然后把它加到管道中ColumnTransformer的后面：

from sklearn.pipeline import make_pipeline

# 先定义不带transform_output的预处理
preprocessor = make_column_transformer(
    (StandardScaler(), ['age', 'income']),
    (OneHotEncoder(), ['gender', 'city'])
)

# 串联管道：预处理 → 转DataFrame → 后续步骤
pipe = make_pipeline(
    preprocessor,
    ArrayToDataFrame(columns=preprocessor.get_feature_names_out()),
    # 这里加后续需要列名的转换步骤
)

3. 改用列索引指定字段（不推荐） #

如果不想转DataFrame，也可以把后续步骤中的列名字符串改成数组的索引位置（比如原来的['age']改成[0]），但这种方式维护性差，一旦列顺序变化就会出错，仅适合固定列顺序的简单场景。

内容的提问来源于stack exchange，提问作者HARSHAL RATHORE