Python Sklearn Pipeline/ColumnTransformer抛出值错误：要解压缩的值太多（预期为2个）

我正在尝试为单个管道运行SKTransformer。我的数据框称为清单。所有特性都是float或int。数据帧是干净的——唯一的问题是缺少一些标记为Nan的值，因此SimpleInputer应该处理它

Sklearn提供了关于通过ColumnTransformer运行管道的文档，这就是我所遵循的

首先，我使用管道创建管道：

num_pipeline = Pipeline([
    ('num_imputer', SimpleImputer(strategy='median')),
    ('num_scaler', StandardScaler()),
])

disc_pipeline = Pipeline([
    ('disc_imputer', SimpleImputer(strategy='most_frequent')),
    ('disc_scaler', StandardScaler(), disc_attribs),
])

cat_pipeline = Pipeline([
    ('cat_imputer', SimpleImputer(strategy='most_frequent')),
    ('cat_ohe', OneHotEncoder(categories='auto', drop='first',
                              sparse=False)),
])

amen_pipeline= Pipeline([
    ('amen_imputer', SimpleImputer(strategy='most_frequent')),
])

然后，我通过ColumnTransformer运行它们：

    listings_pipeline = ColumnTransformer([
    ('num', num_pipeline, num_attribs),
    ('disc', disc_pipeline, disc_attribs),
    ('cat', cat_pipeline, cat_attribs),
    ('amen', amen_pipeline, amen_attribs),
])
X_train = listings_pipeline.fit_transform(listings_explore)

以下是错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-511-9d5100fe0f5d> in <module>
     12     ('amen', amen_pipeline, amen_attribs),
     13 ])
---> 14 X_train = listings_pipeline.fit_transform(listings_explore_pipeline)

~/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in fit_transform(self, X, y)
    466         self._validate_remainder(X)
    467 
--> 468         result = self._fit_transform(X, y, _fit_transform_one)
    469 
    470         if not result:

~/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in _fit_transform(self, X, y, func, fitted)
    410                     message=self._log_message(name, idx, len(transformers)))
    411                 for idx, (name, trans, column, weight) in enumerate(
--> 412                         self._iter(fitted=fitted, replace_strings=True), 1))
    413         except ValueError as e:
    414             if "Expected 2D array, got 1D array instead" in str(e):

~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in __call__(self, iterable)
    922                 self._iterating = self._original_iterator is not None
    923 
--> 924             while self.dispatch_one_batch(iterator):
    925                 pass
    926 

~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in dispatch_one_batch(self, iterator)
    757                 return False
    758             else:
--> 759                 self._dispatch(tasks)
    760                 return True
    761 

~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in _dispatch(self, batch)
    714         with self._lock:
    715             job_idx = len(self._jobs)
--> 716             job = self._backend.apply_async(batch, callback=cb)
    717             # A job can complete so quickly than its callback is
    718             # called before we get here, causing self._jobs to

~/anaconda3/lib/python3.7/site-packages/joblib/_parallel_backends.py in apply_async(self, func, callback)
    180     def apply_async(self, func, callback=None):
    181         """Schedule a func to be run"""
--> 182         result = ImmediateResult(func)
    183         if callback:
    184             callback(result)

~/anaconda3/lib/python3.7/site-packages/joblib/_parallel_backends.py in __init__(self, batch)
    547         # Don't delay the application, to avoid keeping the input
    548         # arguments in memory
--> 549         self.results = batch()
    550 
    551     def get(self):

~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in __call__(self)
    223         with parallel_backend(self._backend, n_jobs=self._n_jobs):
    224             return [func(*args, **kwargs)
--> 225                     for func, args, kwargs in self.items]
    226 
    227     def __len__(self):

~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in <listcomp>(.0)
    223         with parallel_backend(self._backend, n_jobs=self._n_jobs):
    224             return [func(*args, **kwargs)
--> 225                     for func, args, kwargs in self.items]
    226 
    227     def __len__(self):

~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in _fit_transform_one(transformer, X, y, weight, message_clsname, message, **fit_params)
    714     with _print_elapsed_time(message_clsname, message):
    715         if hasattr(transformer, 'fit_transform'):
--> 716             res = transformer.fit_transform(X, y, **fit_params)
    717         else:
    718             res = transformer.fit(X, y, **fit_params).transform(X)

~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in fit_transform(self, X, y, **fit_params)
    385         """
    386         last_step = self._final_estimator
--> 387         Xt, fit_params = self._fit(X, y, **fit_params)
    388         with _print_elapsed_time('Pipeline',
    389                                  self._log_message(len(self.steps) - 1)):

~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in _fit(self, X, y, **fit_params)
    270         fit_transform_one_cached = memory.cache(_fit_transform_one)
    271 
--> 272         fit_params_steps = {name: {} for name, step in self.steps
    273                             if step is not None}
    274         for pname, pval in fit_params.items():

~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in <dictcomp>(.0)
    270         fit_transform_one_cached = memory.cache(_fit_transform_one)
    271 
--> 272         fit_params_steps = {name: {} for name, step in self.steps
    273                             if step is not None}
    274         for pname, pval in fit_params.items():

ValueError: too many values to unpack (expected 2)

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
12（“阿门”，阿门管道，阿门属性），
13 ])
--->14 X_train=listings_pipeline.fit_transform（listings_explore_pipeline）
~/anaconda3/lib/python3.7/site-packages/sklearn/compose//u column\u transformer.py in fit\u transform（self，X，y）
466自验证余数（X）
467
-->468结果=自拟合变换（X，y，拟合变换）
469
470如果没有结果：
~/anaconda3/lib/python3.7/site-packages/sklearn/compose//u column\u transformer.py in\u fit\u transform（self、X、y、func、fitted）
410 message=self.\u log\u message（名称、idx、len（变压器）））
411表示枚举中的idx（名称、事务、列、权重）(
-->412自测试仪（已安装=已安装，更换字符串=正确），1）
413除e值错误外：
414如果str（e）中的“预期2D数组，改为1D数组”：
~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py在调用中（self，iterable）
922 self.\u iterating=self.\u original\u iterator不是None
923
-->924自行调度一批时（迭代器）：
925通行证
926
~/anaconda3/lib/python3.7/site-packages/joblib/parallel.py在dispatch\u one\u批处理中（self，迭代器）
757返回错误
758其他：
-->759自我派遣（任务）
760返回真值
761
~/anaconda3/lib/python3.7/site-packages/joblb/parallel.py in_dispatch（self，batch）
714带自锁：
715作业idx=len（自作业）
-->716作业=self.\u后端.apply\u异步（批处理，回调=cb）
717#一个作业完成的速度比它的回调速度要快
718#在我们到达这里之前打电话，导致self.#你的工作
~/anaconda3/lib/python3.7/site-packages/joblib//\u parallel\u backends.py in apply\u async（self、func、callback）
180 def apply_async（self、func、callback=None）：
181“计划要运行的func”
-->182结果=立即结果（func）
183如果回调：
184回调（结果）
~/anaconda3/lib/python3.7/site-packages/joblib//\u parallel\u backends.py in\uuuu\u init\uuuu（self，batch）
547#不要延迟应用程序，以免保留输入
548#内存中的参数
-->549 self.results=batch（）
550
551 def get（自我）：
~/anaconda3/lib/python3.7/site-packages/joblb/parallel.py in\uuuu调用（self）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~/anaconda3/lib/python3.7/site-packages/joblb/parallel.py in（.0）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in_fit_transform_one（transformer，X，y，weight，message_clsname，message，**fit_params）
714带有_print_exposed_time（消息名称，消息）：
715如果hasattr（变压器，“拟合变换”）：
-->716 res=变换器。拟合变换（X，y，**拟合参数）
717其他：
718 res=变换器.fit（X，y，**拟合参数）.transform（X）
拟合转换中的~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py（self，X，y，**拟合参数）
385         """
386最后一步=自我最终估计器
-->387 Xt，拟合参数=自拟合（X，y，**拟合参数）
388，带有“打印”经过的时间（“管道”，
389自我日志消息（len（self.steps）-1）：
~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in_-fit（self，X，y，**fit_参数）
270 fit\u transform\u one\u cached=memory.cache（\u fit\u transform\u one）
271
-->272 fit_params_steps={name:{}表示名称，step in self.steps
273如果步骤不是无}
274对于pname，在fit_params.items（）中使用pval：
~/anaconda3/lib/python3.7/site-packages/sklearn/pipeline.py in（.0）
270 fit\u transform\u one\u cached=memory.cache（\u fit\u transform\u one）
271
-->272 fit_params_steps={name:{}表示名称，step in self.steps
273如果步骤不是无}
274对于pname，在fit_params.items（）中使用pval：
ValueError:要解压缩的值太多（应为2个）

为什么这不起作用