如何在Scikit-learn中结合TF-IDF矩阵与Numpy数组构建联合特征矩阵？

你对FeatureUnion（以及make_union）的核心用法理解错了：它的作用是组合特征转换的流程，接收的是转换器对象（比如TfidfVectorizer这种能完成fit/transform操作的类实例），而不是已经转换好的特征矩阵。你直接把生成后的representation1、representation2传进去，这些是数组/稀疏矩阵，不是转换器，自然会抛出没有get_feature_names_out方法的错误。

另外顺便提一句，你代码里count_vectorizer.fit_transform(input)执行了两次，完全没必要，应该先fit一次，再transform两次，节省计算资源：

count_vectorizer = CountVectorizer()
count_matrix = count_vectorizer.fit_transform(input).toarray()
sum_words = np.sum(count_matrix, axis=-1)
sum_different_words = np.count_nonzero(count_matrix, axis=-1)
representation2 = np.divide(sum_different_words, sum_words)

方案一：直接合并已生成的特征矩阵（最简单） #

既然你已经得到了两个特征矩阵，直接用scipy.sparse.hstack合并就行（因为representation1是稀疏矩阵，representation2是一维数组，需要先转成二维再合并）：

from scipy.sparse import hstack

# 将representation2转成二维数组，匹配representation1的维度
representation2_2d = representation2.reshape(-1, 1)
# 合并稀疏矩阵和稠密数组
representation = hstack([representation1, representation2_2d])

如果需要获取特征名，可以手动拼接：

tfidf_feature_names = vectorizer.get_feature_names_out()
custom_feature_names = ["unique_word_ratio"]
all_feature_names = np.concatenate([tfidf_feature_names, custom_feature_names])

方案二：用make_union+FunctionTransformer包装自定义特征（符合sklearn流水线规范） #

如果你想遵循sklearn的流水线流程，把整个特征生成逻辑统一管理，需要把自定义的特征计算逻辑包装成FunctionTransformer，然后和TfidfVectorizer一起传给make_union：

from sklearn.preprocessing import FunctionTransformer
from sklearn.pipeline import make_union

# 定义计算自定义特征的函数
def calculate_unique_word_ratio(texts):
    count_vectorizer = CountVectorizer()
    count_matrix = count_vectorizer.fit_transform(texts).toarray()
    sum_words = np.sum(count_matrix, axis=-1)
    sum_different_words = np.count_nonzero(count_matrix, axis=-1)
    # 返回二维数组，符合转换器输出要求
    return np.divide(sum_different_words, sum_words).reshape(-1, 1)

# 创建转换器：TF-IDF转换器 + 自定义特征转换器
tfidf_transformer = TfidfVectorizer(lowercase=False)
custom_transformer = FunctionTransformer(calculate_unique_word_ratio)

# 组合转换器
union = make_union(tfidf_transformer, custom_transformer)

# 生成合并后的特征矩阵
representation = union.fit_transform(input)

# 获取所有特征名
all_feature_names = union.get_feature_names_out()

注意：这里calculate_unique_word_ratio里的CountVectorizer每次调用都会重新fit，如果想和之前的TF-IDF用同一个词汇表，可以把CountVectorizer的vocab设置成TfidfVectorizer的vocab，避免不一致。

内容的提问来源于stack exchange，提问作者TiMauzi