我需要创建一个自定义变换器以输入到评分器中。

评分器将字典列表传递给我的估计器的predict或predict_proba方法，而不是DataFrame。这意味着模型必须同时处理这两种数据类型。因此，我需要提供一个自定义的ColumnSelectTransformer来替代scikit-learn自带的ColumnTransformer。

这是我为自定义变换器编写的代码，目的是删除所提供列中的空值。

simple_cols = ['BEDCERT', 'RESTOT', 'INHOSP', 'CCRC_FACIL', 'SFF', 'CHOW_LAST_12MOS', 'SPRINKLER_STATUS', 'EXP_TOTAL', 'ADJ_TOTAL']class ColumnSelectTransformer(BaseEstimator, TransformerMixin):    def __init__(self, columns):        self.columns = columns    def fit(self, X, y=None):        return self    def transform(self, X):        if not isinstance(X, pd.DataFrame):            X = pd.DataFrame(X)        X.dropna(inplace=True)        return X[self.columns].values()simple_features = Pipeline([    ('cst', ColumnSelectTransformer(simple_cols)),])

然而，我无法通过以下断言测试

assert data['RESTOT'].isnull().sum() > 0assert not np.isnan(simple_features.fit_transform(data)).any()

我生成了一个类型错误

---------------------------------------------------------------------------TypeError                                 Traceback (most recent call last)<ipython-input-44-922f08231b1f> in <module>()      1 assert not data['RESTOT'].isnull().sum() > 0----> 2 assert not np.isnan(simple_features.fit_transform(data)).any()/opt/conda/lib/python3.7/site-packages/sklearn/pipeline.py in fit_transform(self, X, y, **fit_params)    391                 return Xt    392             if hasattr(last_step, 'fit_transform'):--> 393                 return last_step.fit_transform(Xt, y, **fit_params)    394             else:    395                 return last_step.fit(Xt, y, **fit_params).transform(Xt)/opt/conda/lib/python3.7/site-packages/sklearn/base.py in fit_transform(self, X, y, **fit_params)    551         if y is None:    552             # fit method of arity 1 (unsupervised transformation)--> 553             return self.fit(X, **fit_params).transform(X)    554         else:    555             # fit method of arity 2 (supervised transformation)<ipython-input-42-e20ea4310864> in transform(self, X)     12             X = pd.DataFrame(X)     13         X.dropna(inplace=True)---> 14         return X[self.columns].values()     15      16 simple_features = Pipeline([TypeError: 'numpy.ndarray' object is not callable

如果有人需要访问，这里是实际数据。

%%bashmkdir datawget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-train.csv -nc -P ./ml-datawget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-metadata.csv -nc -P ./ml-datadata = pd.read_csv('./ml-data/providers-train.csv', encoding='latin1')

回答：

正如日志所指出的，错误出在X[self.columns].values()。 values是一个numpy数组，因此你不能将其作为方法调用（在后面加括号）。你应该尝试X[self.columns].values。