使用DataFrameMapper结合PolynomialFeatures时的维度错误及KeyError问题

我来帮你排查这个问题，这其实是sklearn_pandas.DataFrameMapper和PolynomialFeatures对输入维度要求不匹配导致的，咱们一步步拆解解决：

问题根源分析 #

1. ValueError：期望2D数组却得到1D数组
   当你在DataFrameMapper中用字符串指定单个列（比如'houseAge_income'）时，mapper会把该列提取为1D的Series/数组，但PolynomialFeatures的fit_transform方法要求输入必须是2D数组（形状为(n_samples, n_features)），这就触发了维度不匹配的错误。

2. KeyError：使用reshape后的报错
   你尝试写houseAge_income.reshape(-1,1)是不符合DataFrameMapper语法的——mapper的第一个参数是列选择器，只能是列名字符串或列名列表，不能直接对数组进行操作，所以mapper会把这个表达式当成列名去查找，自然找不到对应的列，触发KeyError。

两种正确的解决方案 #

方案1：用列表包裹单个列（最简单） #

DataFrameMapper对列表形式的列选择器（哪怕只有一个列），会返回2D数组（形状(n_samples, 1)），刚好满足PolynomialFeatures的输入要求。直接修改你的mapper定义即可：

from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import PolynomialFeatures
import pandas as pd

# 假设你的数据集已经生成了houseAge_income列
data = pd.read_csv("your_house_data.csv")
data['houseAge_income'] = data['housing_median_age'] * data['median_income']

# 正确配置DataFrameMapper
mapper = DataFrameMapper([
    # 用列表包裹单个列，输出2D数组供PolynomialFeatures处理
    (['houseAge_income'], PolynomialFeatures(degree=2, include_bias=False)),
    (['median_income'], PolynomialFeatures(degree=2, include_bias=False)),
    # 其余列保留原特征，用字符串或列表都可以
    ('housing_median_age', None),
    ('total_rooms', None),
    # ... 其他需要保留的列
])

# 执行fit_transform不再报错
processed_data = mapper.fit_transform(data)

注意：include_bias=False是为了避免生成重复的全1偏置列（如果多个特征都加偏置，会导致冗余），如果需要偏置项，可以去掉这个参数。

方案2：用FunctionTransformer转换维度（更灵活） #

如果需要更灵活的维度转换操作，可以结合sklearn.preprocessing.FunctionTransformer把1D数组转成2D，再和PolynomialFeatures组成管道：

from sklearn.preprocessing import FunctionTransformer

mapper = DataFrameMapper([
    # 先把1D列转成2D，再应用多项式特征
    ('houseAge_income', FunctionTransformer(lambda x: x.reshape(-1, 1), validate=False) 
     + PolynomialFeatures(degree=2, include_bias=False)),
    ('median_income', FunctionTransformer(lambda x: x.reshape(-1, 1), validate=False) 
     + PolynomialFeatures(degree=2, include_bias=False)),
    # 其余列保留原特征
    ('housing_median_age', None),
    # ... 其他列
])

processed_data = mapper.fit_transform(data)

这个方案适合需要对列做更多自定义转换的场景，不过方案1已经能解决你的问题，更简洁。

总结 #

• 避免用字符串单独指定列，改用列表包裹单个列，让DataFrameMapper输出2D数组；
• 不要在列选择器里直接写数组操作，那不是DataFrameMapper的正确用法。

内容的提问来源于stack exchange，提问作者Dr Nisha Arora