sklearn Pipeline执行score时报数据集列数与fit时不匹配错误如何解决？

• 核心原因是你自定义的BrandTransformer、NumberOfOwnersTransformer、EnginePropertiesTransformer等转换器，在fit方法中使用了inplace修改逻辑，直接改动了传入的原始X_train DataFrame。pipeline.fit执行完成后，你代码里的X_train变量已经被修改为转换后的列结构，因此第一次调用pipeline.score(X_train, y_train)时，传入的是已经适配转换规则的数据，可以正常返回结果。
• 而X_test、X_train.head(10)这类数据都是未被修改过的原始列结构，传入pipeline后经过转换得到的列数，和fit阶段转换器记录的列数不一致，就触发了列数不匹配的报错。
• 额外需要注意：你使用的带variables参数的OneHotEncoder属于Feature-engine库的实现，请确认没有开启drop_last等会动态修改列数的参数，同时确认所有自定义转换器的transform方法没有意外删除必要列。

• 1. 修改所有自定义转换器的fit和transform方法，禁止inplace修改输入数据，处理前先对输入做拷贝：

def fit(self, X, y=None):
    X = X.copy() # 新增拷贝逻辑，不改动原始输入
    # 原有fit统计逻辑保留

transform方法也同样先做输入拷贝再处理，避免修改原始传入的数据。

• 2. 修复变量名笔误：你代码中定义的pipeline变量名为pipeline，但调用score时用的是car_pipeline，请确认变量名统一，避免调用了错误的pipeline实例。
• 3. 验证转换列数一致性：可以单独调用pipeline除模型外的前置步骤，对比不同输入转换后的列数：

# 输出全量训练集转换后的形状
print(pipeline[:-1].transform(X_train.copy()).shape)
# 输出测试集转换后的形状
print(pipeline[:-1].transform(X_test.copy()).shape)

两者列数必须完全一致，如果存在差异可以逐步定位出是哪个转换器步骤导致的列数变化。

内容的提问来源于stack exchange，提问作者Robin