如何将sklearn pipeline输出的预处理结果转为pandas DataFrame？

1. 转换预处理后的数据为pandas DataFrame格式 #

首先澄清一个常见误区：preprocessor_pipeline.fit(x_train)的返回值是完成训练的ColumnTransformer预处理器对象，而非处理后的数据。你通过transform方法得到的x_train_、x_test_本身是numpy数组类型，已经可以直接传入支持数组输入的fit函数；如果需要DataFrame格式，按以下步骤操作即可：

方法1（适配所有scikit-learn版本） #

手动拼接数值特征和独热编码后的类别特征名，再转换为DataFrame：

# 获取独热编码生成的类别特征名
cat_feature_names = preprocessor_pipeline.named_transformers_['cat'].named_steps['onehot'].get_feature_names_out(categorical_features).tolist()
# 拼接所有特征名
all_feature_names = numerical_features + cat_feature_names
# 转换为DataFrame
x_train_df = pd.DataFrame(x_train_, columns=all_feature_names)
x_test_df = pd.DataFrame(x_test_, columns=all_feature_names)

方法2（scikit-learn ≥ 1.2版本推荐） #

初始化ColumnTransformer时添加verbose_feature_names_out=False参数，可直接获取所有预处理后的特征名，无需手动拼接：

# 修改预处理器定义，添加参数
preprocessor_pipeline = ColumnTransformer(
    transformers=[
        ('num', numerical_transformer, numerical_features),
        ('cat', categorical_transformer, categorical_features)
    ],
    verbose_feature_names_out=False # 简化生成的特征名格式
)
# 拟合、转换流程和之前一致
preprocessor_pipeline.fit(x_train)
x_train_ = preprocessor_pipeline.transform(x_train)
x_test_ = preprocessor_pipeline.transform(x_test)
# 直接获取所有特征名并转DataFrame
all_feature_names = preprocessor_pipeline.get_feature_names_out()
x_train_df = pd.DataFrame(x_train_, columns=all_feature_names)
x_test_df = pd.DataFrame(x_test_, columns=all_feature_names)

2. 是否需要对标签y_train做预处理 #

分场景判断：

• 常规分类任务：标签为整数/字符串类型时，绝大多数scikit-learn模型都支持直接传入，无需额外预处理；如果使用的模型要求标签为数值，可调用LabelEncoder转换即可。
• 常规回归任务：标签为连续值时，树类模型完全不需要预处理；如果使用对数值范围敏感的模型（如神经网络、SVM），或标签分布严重偏态，可对y做标准化/对数变换，预测完成后需做对应的逆变换还原为真实值。

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