Pipeline预测时输入X与拟合阶段形状不符，求解决方案

嘿，我来帮你梳理下代码里的问题，一步步给你修正：

1. 先搞定age_band的语法错误 #

你写的age_band赋值方式不符合Python语法，得改成合法的写法。如果是要把年龄按10岁分档到0-9，其实用整除就能简化，不用写一堆if-else：

# 直接用整除，自动把10以内归为0，10-19归为1...80-89归为8，90及以上归为9
df['age_band'] = df['age'] // 10
# 怕有超过90的情况，可以手动限制最大值为9
df['age_band'] = df['age_band'].clip(upper=9)

2. 必须补全fit方法（符合sklearn规范） #

你继承了BaseEstimator和TransformerMixin，就必须实现fit方法，而且要遵循sklearn的API规则——fit方法要返回self，这样才能支持链式调用，更重要的是：绝对不能在transform里fit编码器！ 这会导致数据泄露（用测试集数据拟合编码器是大忌）。

3. 废弃的as_matrix()要替换 #

pandas的as_matrix()早就被弃用了，换成to_numpy()才是正确的写法。

修正后的完整代码 #

import category_encoders as ce
from sklearn.base import BaseEstimator, TransformerMixin

class PreProcessing(BaseEstimator, TransformerMixin):
    def __init__(self):
        pass
    
    def fit(self, df, y=None):
        # 把编码器的拟合放到fit方法里，只在训练数据上执行一次
        # 这里替换成你实际要编码的列名列表
        self.selected_cols = ['your_category_col1', 'your_category_col2']
        self.encoder = ce.BinaryEncoder(cols=self.selected_cols)
        self.encoder.fit(df)
        return self
    
    def transform(self, df):
        # 先复制数据，避免修改原始输入
        processed_df = df.copy()
        
        # 处理age分档
        processed_df['age_band'] = processed_df['age'] // 10
        processed_df['age_band'] = processed_df['age_band'].clip(upper=9)
        
        # 其他特征工程操作...
        
        # 用已经fit好的编码器转换数据
        processed_df = self.encoder.transform(processed_df)
        
        # 返回numpy数组
        return processed_df.to_numpy()

额外提醒 #

• 处理数据时一定要用df.copy()，不然会不小心修改原始数据集，这是sklearn转换器的最佳实践
• 如果你的selected_cols是要根据输入数据动态确定的，可以把逻辑放到fit方法里，比如自动筛选类别型列
• 要是遇到category_encoders的版本问题，直接升级就行：pip install --upgrade category_encoders

内容的提问来源于stack exchange，提问作者rednight