sklearn使用ColumnTransformer与Pipeline时获取特征重要性对应名称及自定义转换方法

只要你使用的scikit-learn版本≥1.0，ColumnTransformer以及所有内置转换器都已经支持get_feature_names_out()接口，可以直接调用获取所有转换后的特征名，无需手动拼接。
注意需要先完成pipeline拟合后再调用该方法，示例代码如下：

# 先完成模型拟合
pipe_poisson_reg.fit(X_train, y_train)

# 直接从ColumnTransformer获取所有转换后的特征名
feature_names = pipe_poisson_reg.named_steps['cf_trans'].get_feature_names_out()

# 结合模型系数/特征重要性生成目标DataFrame
import pandas as pd
result_df = pd.DataFrame({
    'name': feature_names,
    'feature_importances_/coef_': pipe_poisson_reg.named_steps['poisson_regressor'].coef_
})
# 如果你使用的是树类模型，替换为对应模型的feature_importances_属性即可

默认输出的特征名会自动携带对应转换器的前缀，比如KBinsDiscretizer分箱后生成的特征会命名为kbins__VehAge_0、kbins__VehPower_1这类格式，如果不需要前缀可以自行做字符串裁剪即可。

不需要手动给数据集加列，可以把衍生逻辑封装成转换器整合到ColumnTransformer中，实现端到端处理，示例代码如下：

# 定义衍生列计算函数
def cal_rbvage(X):
    X = X.copy()
    X['RBVAge'] = 0
    X.loc[(X['VehGas'] == 'Regular') & (X['VehBrand'] == 'B12') & (X['VehAge'] == 0), 'RBVAge'] = 1
    return X[['RBVAge']] # 仅返回衍生列，避免特征重复

# 改写ColumnTransformer，新增衍生列处理步骤
ct = ColumnTransformer([
    ('rbv_age', FunctionTransformer(cal_rbvage), ['VehGas', 'VehBrand', 'VehAge']),
    ('pt', 'passthrough', ['BonusMalus']), # 原pt_columns去掉RBVAge即可
    ('log', FunctionTransformer(np.log1p, validate=False), log_columns),
    ('kbins', KBinsDiscretizer(), kbins_columns),
    ('ohe', OneHotEncoder(), cat_columns)
])

改造后整个预处理逻辑完全包含在Pipeline内，预测时不需要手动给测试集添加衍生列，直接调用pipe_poisson_reg.predict(X_test)即可，也避免了手动处理带来的数据泄露风险。

内容的提问来源于stack exchange，提问作者Django