使用make_column_selector选择分类列时触发TypeError: unhashable type: 'list'错误

我完全懂你现在的困扰——做BigMart销售预测的数据预处理时，用make_column_selector处理数值列顺风顺水，轮到分类列就突然抛出TypeError: unhashable type: 'list'，确实挺闹心的。结合你给出的代码片段和报错情况，我来帮你捋捋常见的问题点和解决办法：

最可能的两个错误原因及修复方案 #

1. 定义分类选择器时传入了嵌套列表

很多时候这个报错是因为给dtype_include参数传了嵌套列表（比如[[object]]），而不是一维列表或者单个类型字符串。make_column_selector内部需要哈希这些类型参数，嵌套列表是不可哈希的，所以会触发错误。

❌ 错误示例：

# 别这么写！嵌套列表会导致unhashable错误
cat_selector = make_column_selector(dtype_include=[['object']])

✅ 正确写法：

from sklearn.compose import make_column_selector

# 方式1：单个类型字符串
cat_selector = make_column_selector(dtype_include='object')

# 方式2：包含多种分类类型的一维列表
cat_selector = make_column_selector(dtype_include=['object', 'category'])

2. 错误地直接用选择器函数索引数据

make_column_selector返回的是一个选择器函数，不是直接的列名列表。如果你直接写X_train[cat_selector]，Python会把这个函数当成索引对象，内部处理时就会触发哈希错误。

❌ 错误示例：

# 别这么写！直接用选择器函数索引会报错
X_train_cat = X_train[cat_selector]

✅ 正确写法：
先调用选择器函数获取列名列表，再用列表索引数据：

# 先获取分类列的名称列表
cat_cols = cat_selector(X_train)
# 再用列表索引数据
X_train_cat = X_train[cat_cols]

结合你的Pipeline场景优化写法 #

如果是要配合ColumnTransformer做不同列的编码处理，其实不需要手动调用选择器，直接把选择器函数传入ColumnTransformer即可，它会自动帮你处理列选择：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.model_selection import train_test_split

# 你的原有代码
seed = 200
X = bigmart_copy.drop('Item_Outlet_Sales', axis = 1)
y = bigmart_copy.Item_Outlet_Sales
X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.3, shuffle = True, random_state=seed)

# 定义选择器
num_selector = make_column_selector(dtype_include=['int64', 'float64'])
cat_selector = make_column_selector(dtype_include=['object', 'category'])

# 构建预处理管道
preprocessor = ColumnTransformer(
    transformers=[
        ('num_scaler', StandardScaler(), num_selector),
        ('cat_encoder', OneHotEncoder(sparse_output=False), cat_selector)
    ])

# 拟合并转换训练数据
X_train_processed = preprocessor.fit_transform(X_train)

这样写既简洁又能避免手动索引带来的错误，完美适配你的销售预测预处理场景～

备注：内容来源于stack exchange，提问作者SirTee12