sklearn Pipeline中FunctionTransformer指定列生成新列报错处理

报错根因 #

FunctionTransformer的第二个位置参数是用于传入逆变换逻辑的inverse_func，要求传入可调用对象。你的代码把列名字符串'X2'传到了这个参数位，框架执行时尝试调用该字符串作为函数，就触发了TypeError: 'str' object is not callable。
另外FunctionTransformer本身不支持直接指定要处理的列名，默认会对输入的全部数据应用传入的变换函数，因此就算参数位置传对，也无法实现「仅对X2、X3列计算、生成新列且保留原列」的需求。

实现方案 #

根据流水线复杂度不同，可以选以下两种实现方式：

方案1：直接编写适配全DataFrame的变换函数（适合简单特征衍生场景）

直接在自定义函数中完成列提取、计算、新列拼接全流程，FunctionTransformer直接调用该函数即可，逻辑简单直观。

import pandas as pd
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import FunctionTransformer

# 示例数据集
df = pd.DataFrame(columns=['X1', 'X2', 'X3'], data=[
                                               [1,16,9],
                                               [4,36,16],
                                               [1,16,9],
                                               [2,9,8],
                                               [3,36,15],
                                               [2,49,16],
                                               [4,25,14],
                                               [5,36,17]])

# 自定义特征生成函数：输入完整DataFrame，返回带新互补列的DataFrame
def gen_comp_feat(X):
    X = X.copy() # 拷贝避免修改原始数据
    X['X2_comp'] = 100 - X['X2']
    X['X3_comp'] = 100 - X['X3']
    return X

# 构建流水线
pipe = Pipeline([
    ('add_comp_feat', FunctionTransformer(gen_comp_feat, validate=False))
])

# 执行变换
result = pipe.fit_transform(df)

运行后输出结果会保留原始的X1、X2、X3列，同时新增X2_comp、X3_comp两个互补列。

方案2：配合ColumnTransformer做列选择（适合复杂多步变换流水线）

如果后续流水线还要对不同列组做差异化处理（比如数值列标准化、分类列编码），用ColumnTransformer做列路由更规范，注意设置remainder='passthrough'保留未被处理的原始列，避免数据丢失。

from sklearn.compose import ColumnTransformer

# 自定义变换逻辑：输入选中的X2、X3子表，返回新生成的互补列
def comp_calc(X_sub):
    res = pd.DataFrame()
    res['X2_comp'] = 100 - X_sub['X2']
    res['X3_comp'] = 100 - X_sub['X3']
    return res

# 构建列变换器
col_trans = ColumnTransformer(
    transformers=[
        ('gen_comp', FunctionTransformer(comp_calc, validate=False), ['X2', 'X3'])
    ],
    remainder='passthrough', # 保留其余未指定处理的原始列
    verbose_feature_names_out=False # 关闭自动前缀，保持列名简洁
)

# 构建流水线
pipe = Pipeline([
    ('add_comp_feat', col_trans)
])

# 执行变换，可转为DataFrame查看
result = pipe.fit_transform(df)
result_df = pd.DataFrame(result, columns=pipe.get_feature_names_out())

内容的提问来源于stack exchange，提问作者Manu Sharma