IBEX管道化Transformer阶段列访问异常：Scikit-Learn与Pandas场景

我明白你想要构建一个能只处理指定特征、同时保留其他字段的Scikit-Learn风格管道，之前用DataFrameMapper没法保留未处理字段，所以转向IBEX，但写的代码运行时出现了KeyError: "['x' 'y' 'z'] not in index"的问题，咱们来一步步解决它。

先明确你的核心需求：待处理的DataFrame包含x、y、z、source、class字段，需要对class做标签编码，对x、y、z做标准化，同时保留source字段原样传递。

你之前的尝试（及问题根源） #

你写的代码用|连接了两个处理阶段，但IBEX里的|代表顺序执行管道——前一个阶段的输出会作为后一个阶段的输入。第一个阶段处理class并保留其他字段后，第二个阶段试图处理x、y、z时，因为阶段间的字段传递逻辑出错，导致找不到目标列。

你的原代码：

from ibex.sklearn.preprocessing import StandardScaler
from ibex.sklearn.preprocessing import LabelEncoder
from ibex import trans
pipeline = (trans(LabelEncoder(), in_cols=['class']) + trans(None, ['source', 'x','y','z'])) | (trans(StandardScaler(), in_cols=['x','y','z']) + trans(None, ['source', 'class']))
df_scaled = pipeline.fit_transform(df)

正确的IBEX实现方式 #

IBEX的优势在于可以像操作列一样组合不同转换器，我们需要把所有列的处理逻辑并行组合，而不是分阶段顺序执行。这样每个转换器只处理自己负责的列，其他列会被原样保留，不会出现字段丢失的问题。

正确代码如下：

from ibex.sklearn.preprocessing import StandardScaler, LabelEncoder
from ibex import trans, compose

# 分别定义各列的处理逻辑
# 对class列做标签编码
encode_class = trans(LabelEncoder(), in_cols=['class'])
# 对x、y、z列做标准化
scale_xyz = trans(StandardScaler(), in_cols=['x', 'y', 'z'])
# 保留source列不做任何处理
keep_source = trans(None, in_cols=['source'])

# 并行组合所有处理逻辑，确保所有列都被正确处理/保留
pipeline = compose(encode_class, scale_xyz, keep_source)

# 拟合并转换数据
df_scaled = pipeline.fit_transform(df)

你也可以用+直接组合这些trans对象，效果和compose完全一致：

pipeline = encode_class + scale_xyz + keep_source

为什么这样能解决问题？ #

• trans(None, in_cols=[...])明确指定保留哪些列不做处理；
• compose()（或+）让所有转换器并行处理各自的列，处理完成后会自动合并所有列（包括处理后的和未处理的），生成完整的DataFrame；
• 避免了|顺序执行带来的结构不一致问题——顺序执行时前一阶段的输出结构可能和原始DataFrame不同，导致后续阶段找不到目标列。

内容的提问来源于stack exchange，提问作者Romeo Kienzler