无需应用到数据，如何判断Scikit-Learn Transformer是否修改数据集列及顺序

scikit-learn 从 0.23 版本开始提供了原生的通用特性支持该需求，不需要针对特定转换器写适配逻辑，核心依赖拟合后转换器的两个公共属性/方法：

• feature_names_in_：记录拟合时输入的特征名称列表（无特征名时按索引生成x0、x1的格式）
• get_feature_names_out()：返回转换后的输出特征名称列表

1. 判断是否更改列内容/列顺序 #

你不需要将转换器应用到真实数据集，仅需对比输入输出的特征名映射即可：

• 如果get_feature_names_out()返回的列表长度和输入特征数一致，且每个输出特征名都能对应到唯一的输入特征（比如StandardScaler输出的特征名和输入完全一致，仅可能带上流水线前缀），说明转换器是逐列转换，保持原列顺序、存在一一映射关系
• 如果返回的列表长度和输入不一致，或者输出特征名无对应输入特征的标识（比如PCA返回的是pca0、pca1这类独立标识），说明转换器会破坏原有列的映射关系，修改列内容或顺序

2. 获取列变化规则 #

直接调用拟合后转换器的get_feature_names_out()即可拿到所有输出列对应的信息：

• 对于特征选择类转换器（比如SelectKBest），返回的特征名就是被选中的原输入特征名，和feature_names_in_匹配即可拿到选中的列索引
• 对于降维、交叉特征生成类转换器，返回的特征名也会标注生成逻辑，无需单独读取转换器的内部私有属性

3. 兼容全场景的封装实现 #

如果需要兼容旧版本sklearn，或者要统一自定义转换器的逻辑，可以用下面的通用封装器，无需修改原有转换器的代码即可支持列追踪能力：

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.utils.validation import check_is_fitted

class ColumnTrackedTransformer(BaseEstimator, TransformerMixin):
    def __init__(self, transformer):
        self.transformer = transformer
    
    def fit(self, X, y=None):
        # 记录输入特征基础信息
        self.n_features_in_ = X.shape[1]
        if hasattr(X, 'columns'):
            self.feature_names_in_ = X.columns.tolist()
        else:
            self.feature_names_in_ = [f'x{i}' for i in range(self.n_features_in_)]
        # 拟合内部转换器
        self.transformer.fit(X, y)
        return self
    
    def transform(self, X):
        return self.transformer.transform(X)
    
    def get_feature_names_out(self, input_features=None):
        check_is_fitted(self)
        return self.transformer.get_feature_names_out(input_features or self.feature_names_in_)
    
    @property
    def preserves_column_mapping(self):
        """返回布尔值：是否保持原列的一一映射、不改变列顺序"""
        check_is_fitted(self)
        out_names = self.get_feature_names_out()
        if len(out_names) != len(self.feature_names_in_):
            return False
        # 逐位校验对应关系，兼容带前缀/后缀的场景
        for in_name, out_name in zip(self.feature_names_in_, out_names):
            if in_name not in out_name:
                return False
        return True

封装器使用示例 #

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.feature_selection import SelectKBest

# 测试逐列转换的转换器
scaler = ColumnTrackedTransformer(StandardScaler())
scaler.fit(X_train)
print(scaler.preserves_column_mapping) # 输出True
print(scaler.get_feature_names_out()) # 输出原特征名列表

# 测试降维转换器
pca = ColumnTrackedTransformer(PCA(n_components=2))
pca.fit(X_train)
print(pca.preserves_column_mapping) # 输出False
print(pca.get_feature_names_out()) # 输出['pca0', 'pca1']

# 测试特征选择转换器
selector = ColumnTrackedTransformer(SelectKBest(k=3))
selector.fit(X_train, y_train)
print(selector.preserves_column_mapping) # 输出False（列数减少）
print(selector.get_feature_names_out()) # 输出选中的3个原特征名

注意：未拟合的转换器无法判断列变化规则，因为很多转换器的输出列逻辑由拟合数据决定（比如SelectKBest的保留列、PCA的自动维度计算），以上判断逻辑仅适用于已经拟合完成的转换器。

内容的提问来源于stack exchange，提问作者AlexNe