我正在 scikit-learn 中编写一个自定义变换器，使用标准的 KMeans 方法为 pandas 数据框添加聚类标签作为新列。该自定义变换器应该首先适应现有数据，然后通过添加一个名为 ‘Cluster’ 的新列来变换未见数据，并返回一个包含额外列的新数据框，而不修改原始数据框。以下是我编写的代码：
from sklearn.base import BaseEstimator, TransformerMixinfrom sklearn.cluster import KMeansclass AddClustersFeature(BaseEstimator, TransformerMixin): def __init__(self, clusters = 10): self.clusters = clusters self.model = KMeans(n_clusters = self.clusters) def fit(self, X): self.X=X self.model.fit (self.X) return self.model def transform(self, X): self.X=X X_=X.copy() # avoiding modification of the original df X_['Clusters'] = self.model.transform(self.X_).labels_ return X_cluster_enc_tr_data = AddClustersFeature().fit_transform(enc_tr_data)cluster_enc_tr_data不幸的是，代码无法正常工作。结果是一个数据框，其中聚类编号作为列索引，行号和之前未知的数值。任何帮助或建议将不胜感激。
更新：2021年6月23日 v2:请查看下方实施@Ben 修改意见后的代码。现在它运行得非常完美。
from sklearn.base import BaseEstimator, TransformerMixinfrom sklearn.cluster import KMeansclass AddClustersFeature(BaseEstimator, TransformerMixin): def __init__(self, clusters = 10): self.clusters = clusters def fit(self, X): self.X=X self.model = KMeans(n_clusters = self.clusters) self.model.fit (self.X) return self def transform(self, X): self.X=X X_=X.copy() # avoiding modification of the original df X_['Clusters'] = self.model.predict(X_) return X_cluster_enc_tr_data = AddClustersFeature().fit_transform(enc_tr_data)回答：
fit 方法必须始终返回 self。
这里的问题是，继承自 TransformerMixin 的 fit_transform(X, y) 仅仅是 fit(X, y).transform(X)；你现在的 fit 返回的是底层的 KMeans 变换器，而这被用来变换 X 而不是你的 transform 方法。
另外还有一些注意事项：
-
KMeans.transform提供的是聚类距离矩阵，但你需要的是聚类标签。请使用predict代替。并且删除labels_，所以只需X_['Clusters'] = self.model.predict(X_)。) -
__init__应该只设置其签名中出现的属性，以便克隆工作（例如超参数搜索所需）。你可以在fit时定义self.model。 -
在
transform中，你使用了self.X_，但它从未被定义；我想你只是指X_。在 fit 时保存X也没有真正的理由；self.X实际上并不需要？ -
这只能在数据框上工作；这对你来说可能不是问题，但请记住这一点。（你不能在内置的
sklearn变换器之后将其作为管道中的一个步骤使用，因为那些会返回 numpy 数组。）
