Python DataFrameMapper是否保证特征向量对齐？

我的项目涉及建立一个标题和一些度量之间的关系

我依靠pandas和sklearn完成这项工作，并了解sklearn pandas的特点，因为我发现DataFrameMapper可以方便地处理特征提取步骤，而不是链接许多特征联合

简言之，这类似于：

dfm = DataFrameMapper([
    ('title', CountVectorizer()),
    (['width', 'height', 'length', 'weight'], StandardScaler()),
])

然后我想在这样的管道上使用它：

p = make_pipeline(dfm, LinearRegression())

data = pd.read_csv("data.csv")  # a couple hundred thousands of records.
train_sample = data[:100000]  # arbitrary sample.
test_sample = data[100000:]  # arbitrary test.
p.fit(train_sample, train_sample['target'])
p.predict(test_sample)

这种方法看起来应该有效。但我发现它并没有保持我的功能的“一致性”

当我尝试像这样训练这个简单的模型时：

p = make_pipeline(dfm, LinearRegression())

data = pd.read_csv("data.csv")  # a couple hundred thousands of records.
train_sample = data[:100000]  # arbitrary sample.
test_sample = data[100000:]  # arbitrary test.
p.fit(train_sample, train_sample['target'])
p.predict(test_sample)

它失败于：

ValueError: shapes (1,7) and (18,) not aligned: 7 (dim 1) != 18 (dim 0)

我发现这是因为训练样本比测试样本“大”，所以CountVectorizer词汇表包含的功能更少。但直觉上，我希望管道（及其内部的DataFrameMapper）能够填充可能出现的缺失值

在这一点上，我不知道这是否是由于我使用的DFM错误。或者如果我错过了一些愚蠢的配置步骤

---

有人可以在这里指出我的错误吗？

应该是：

p.fit（train\u sample.drop（'target'，axis=1），train\u sample['target'））

？是的，你是对的。编辑了问题。实际上，删除目标列没有任何区别。。。要进行新编辑。为什么要在选择器中重复

['width'，'height'，'width'，'weight'，'weight']

中的

width

和

height

？如果不使用DFM，即使用

FeatureUnion

，是否会出现相同的错误？你能提供完整的回溯吗？