sklearn使用ColumnTransformer构建Pipeline时报指定列不存在错误如何解决

错误根源 #

你对数据集的特征、标签拆分逻辑和预处理逻辑不匹配：
你使用的鸟类骨骼数据集中，type是分类任务的目标标签列，你已经通过y = data1.iloc[:,11:12]将它拆分到了标签集合，输入特征矩阵x中完全不包含type列。但你在ColumnTransformer中错误将type配置为需要编码的输入特征列，程序在x中找不到对应列就触发了报错。

修复步骤 #

1. 调整特征、标签拆分逻辑，用列名提取更清晰避免索引错误：

# 输入特征为10个骨骼数值列
x = data1[['huml','humw','ulnal','ulnaw','feml','femw','tibl','tibw','tarl','tarw']]
# 预测标签为type列
y = data1['type']

2. 删除预处理逻辑中针对type列的分类特征处理配置，type是标签不属于输入特征，不需要参与特征预处理：

numeric_features = ['huml','humw','ulnal','ulnaw','feml','femw','tibl','tibw','tarl','tarw']
numeric_transformer = Pipeline(steps=[
    ('imputer', SimpleImputer(strategy='mean')),
    ('scaler', StandardScaler())
])

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features)
    ]
)

3. 其余代码保持不变，训练时如果出现标签维度报错，可将y转为一维数组：

pipeline_lr.fit(x_train, y_train.values.ravel())

训练完成后可直接用以下代码验证模型效果：

print("模型测试集准确率：", pipeline_lr.score(x_test, y_test))

内容的提问来源于stack exchange，提问作者Archana Jalaja Surendran