我在为学生们讲解Pipeline教程时遇到了阻碍。我不是专家，但我正在努力改进。所以感谢您的宽容。实际上，我试图在一个pipeline中执行几个步骤来准备一个数据框用于分类器：
- 步骤1：描述数据框
- 步骤2：填充NaN值
- 步骤3：将分类值转换为数字
这是我的代码：
class Descr_df(object): def transform (self, X): print ("Structure of the data: \n {}".format(X.head(5))) print ("Features names: \n {}".format(X.columns)) print ("Target: \n {}".format(X.columns[0])) print ("Shape of the data: \n {}".format(X.shape)) def fit(self, X, y=None): return selfclass Fillna(object): def transform(self, X): non_numerics_columns = X.columns.difference(X._get_numeric_data().columns) for column in X.columns: if column in non_numerics_columns: X[column] = X[column].fillna(df[column].value_counts().idxmax()) else: X[column] = X[column].fillna(X[column].mean()) return X def fit(self, X,y=None): return selfclass Categorical_to_numerical(object): def transform(self, X): non_numerics_columns = X.columns.difference(X._get_numeric_data().columns) le = LabelEncoder() for column in non_numerics_columns: X[column] = X[column].fillna(X[column].value_counts().idxmax()) le.fit(X[column]) X[column] = le.transform(X[column]).astype(int) return X def fit(self, X, y=None): return self如果我执行步骤1和2，或者步骤1和3，它们都能工作，但如果我同时执行步骤1、2和3，我会得到这个错误：
pipeline = Pipeline([('df_intropesction', Descr_df()), ('fillna',Fillna()), ('Categorical_to_numerical', Categorical_to_numerical())])pipeline.fit(X, y)AttributeError: 'NoneType' object has no attribute 'columns'回答：
这个错误产生的原因是在Pipeline中，第一个估计器的输出会传递给第二个，然后第二个估计器的输出会传递给第三个，以此类推…
根据Pipeline的文档：
依次拟合所有转换器并转换数据，然后使用最终估计器拟合转换后的数据。
因此，对于您的pipeline，执行步骤如下：
- Descr_df.fit(X) -> 不做任何事并返回self
- newX = Descr_df.transform(X) -> 应该返回某个值以赋给newX，该值应传递给下一个估计器，但您的定义没有返回任何东西（只进行打印）。因此隐式返回了None
- Fillna.fit(newX) -> 不做任何事并返回self
- Fillna.transform(newX) -> 调用newX.columns。但newX=None来自步骤2。因此产生了错误。
解决方案：更改Descr_df的transform方法以按原样返回数据框：
def transform (self, X): print ("Structure of the data: \n {}".format(X.head(5))) print ("Features names: \n {}".format(X.columns)) print ("Target: \n {}".format(X.columns[0])) print ("Shape of the data: \n {}".format(X.shape)) return X建议：让您的类继承自scikit中的BaseEstimator和Transformer类，以符合最佳实践。
即，将class Descr_df(object)更改为class Descr_df(BaseEstimator, TransformerMixin)，将Fillna(object)更改为Fillna(BaseEstimator, TransformerMixin)，依此类推。
有关Pipeline中自定义类的更多详细信息，请参见此示例：
