Python 如何使用scikit learn pipeline和transformers在不同列上进行多个数据转换

我有一些虚拟数据，为了简单起见，其中有2个特征列和1个目标变量

l = [1.0,'category1',1]
m = [5.0,'category2',0]
n = [15.0,'category2',1]
import pandas as pd
df = pd.DataFrame([l,m,n], columns = ['feature1','feature2','target'])
df.head()

现在我想在

feature1

上应用

StandardScaler（）

，在

feature2

上应用

onehotcodeding

。在我完成这两个步骤之后，我想使用scikit学习分类器训练一个模型。因此，我在培训过程中采取的步骤如下-

功能1上的Fit_Transform StandardScaler

在功能2上安装一个热编码器

Fit-ML分类器

将

管道

对象保存到磁盘

然后，当我在看不见的数据集上进行评分时，下面是我想要采取的步骤-

加载相同的

管道

对象

将未看到的数据作为数据加载

将加载的管道应用于看不见的数据

在现实场景中，会有许多功能栏，如

feature1、feature2等，。。。。功能n

。我想使用scikit学习管道在不同的列上进行数据转换，我还想保存并重新加载这个管道

我知道我们可以将数据作为一系列

转换器

步骤传递到管道，但我不知道如何在不同的列上实现

不同的转换

注意-在某些情况下，我希望在多个列上应用相同的转换器。例如，
StandardScaler（）
可用于
feature1
和
feature100
（假设两列都是数字）

如何使用sckit学习管道实现这一点？
ColumnTransformer
。搜索相关问题，并查看文档。