Python Sklearn管道连接轴的所有输入数组维度必须完全匹配

我不明白这个错误是从哪里来的：

ValueError：串联轴的所有输入数组维度必须完全匹配，但沿维度0，索引0处的数组大小为1，索引1处的数组大小为2

理由 问题是在

预处理器

管道中，该管道的工作方式是

tweet\u text\u transformer

的输出和

numeric\u transformer

的输出水平堆叠，要成功实现这一点，两个输出（tweet\u text\u transformer和numeric\u transformer）必须具有相同的行数（即：轴0或尺寸-0中的元素数量）

但是当执行上述管道时，

tweet\u text\u处理器

，尽管我们希望它给出2*2矩阵，实际上有4个元素，因为CountVectorizer将输出存储为稀疏矩阵，它会删除矩阵中的任何零（以节省内存）这将数组减少到2*2矩阵，但其中只有3个元素，当与数值_转换器的输出叠加时，它不满足上述条件（因为数值转换器在轴0上有两个元素，而twwet_文本_处理器不会）

解决方案

• 创建一个自定义转换器，将此稀疏矩阵转换为numpy数组
• 另外，因为只有一列，所以压缩Pandas数据帧以将其转换为Panadas系列

---

上面的代码应该可以工作，如果解释不清楚（希望是这样），请告诉我。

请提供完整的错误输出。我有完全相同的错误。你有没有发现？

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.pipeline import Pipeline
from sklearn.svm import LinearSVC
from sklearn.preprocessing import MinMaxScaler
from sklearn.compose import ColumnTransformer

data = [[1, 3, 4, 'text', 'pos'], [9, 3, 6, 'text more', 'neg']]
data = pd.DataFrame(data, columns=['Num1', 'Num2', 'Num3', 'Text field', 'Class'])

tweet_text_transformer = Pipeline(steps=[
    ('count_vectoriser', CountVectorizer()),
    ('tfidf', TfidfTransformer())
])

numeric_transformer = Pipeline(steps=[
    ('scaler', MinMaxScaler())
])

preprocessor = ColumnTransformer(transformers=[
    # (name, transformer, column(s))
    ('tweet', tweet_text_transformer, ['Text field']),
    ('numeric', numeric_transformer, ['Num1', 'Num2', 'Num3'])
])

pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('classifier', LinearSVC())
])

X_train = data.loc[:, 'Num1':'Text field']
y_train = data['Class']
pipeline.fit(X_train, y_train)

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.pipeline import Pipeline
from sklearn.svm import LinearSVC
from sklearn.preprocessing import MinMaxScaler
from sklearn.compose import ColumnTransformer

data = [[1, 3, 4, 'text', 'pos'], [9, 3, 6, 'text more', 'neg']]
data = pd.DataFrame(data, columns=['Num1', 'Num2', 'Num3', 'Text field', 'Class'])



class TweetTextProcessor(BaseEstimator, TransformerMixin):
    def __init__(self):
        self.tweet_text_transformer = Pipeline(steps=[
        ('count_vectoriser', CountVectorizer()),
        ('tfidf', TfidfTransformer())    ])
       
        
    def fit(self, X, y=None):
        return self

    def transform(self, X, y=None):
       
        return  self.tweet_text_transformer.fit_transform(X.squeeze()).toarray()
        




numeric_transformer = Pipeline(steps=[
    ('scaler', MinMaxScaler())
])

preprocessor = ColumnTransformer(transformers=[
    ('tweet', TweetTextProcessor(), ['Text field']),
    ('numeric', numeric_transformer, ['Num1', 'Num2', 'Num3'])
])

pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('classifier', LinearSVC())
])

X_train = data.loc[:, 'Num1':'Text field']
y_train = data['Class']
pipeline.fit(X_train, y_train)