我正在使用一个简单的ColumnTransformer，结合了StandardScaler和OneHotEncoder，像这样：

from sklearn.compose import ColumnTransformerfrom sklearn.preprocessing import StandardScalerfrom sklearn.preprocessing import OneHotEncodernum_features = ['num_feat_1',                'num_feat_2',                'num_feat_3']cat_features = ['cat_feat_1',                'cat_feat_2',                'cat_feat_3']ct = ColumnTransformer([    ("scaler", StandardScaler(), num_features),    ("onehot", OneHotEncoder(sparse=False,                             handle_unknown='ignore'), cat_features)],     remainder='passthrough') ct.fit(X_train)X_train_trans = ct.transform(X_train)X_test_trans = ct.transform(X_test)

为了映射LinearRegression的系数，我需要使用ct.get_feature_names()，但我遇到了错误Transformer scaler (type StandardScaler) does not provide get_feature_names。这是为什么？如何解决这个问题？

回答：

在你的情况下，get_feature_names()只在onehot编码器上有效，而对于StandardScaler()，你不会更改转换变量的名称，所以我们遍历转换器，如果get_feature_names不工作，我们就保留原始特征名称。

使用一个示例数据集：

我们尝试这样做：

tx = ct.get_params()['transformers']feature_names = []for name,transformer,features in tx:    try:        Var = ct.named_transformers_[name].get_feature_names().tolist()    except AttributeError:        Var = features    feature_names = feature_names + Varfeature_names['num_feat_1', 'num_feat_2', 'num_feat_3', 'x0_a', 'x0_b', 'x1_a', 'x1_b', 'x2_a', 'x2_b']