使用Scikit-learn包的TransformerMixin

TransformerMixin 是 Scikit-learn 提供的一个混入类 (Mixin class)，它为你创建自定义的数据转换器提供了极大的便利。

它的核心作用是自动为你实现 fit_transform 方法，让你无需重复编写样板代码。

TransformerMixin 是什么？

在 Scikit-learn 中，转换器（Transformer）是用于数据预处理或特征工程的工具，它们通常都有 fit()、transform() 和 fit_transform() 这三个方法。

TransformerMixin 就是一个提供 fit_transform 方法实现的混入类。它的实现逻辑非常直接：

1. 先调用你定义的 fit() 方法。
2. 再调用你定义的 transform() 方法。

这意味着，只要你写的类继承了 TransformerMixin，并正确实现了 fit 和 transform 方法，就能免费获得一个标准的 fit_transform 方法。

为什么需要它？

它主要解决了两个问题：

1. 遵循 Scikit-learn 的 API 标准：继承 TransformerMixin 能确保你创建的自定义转换器与 Scikit-learn 生态系统（如 Pipeline）完美兼容。
2. 代码更简洁：你不需要在每个自定义转换器里重复编写 fit_transform 方法。

如何使用：一个完整的示例

通常，一个自定义转换器会同时继承 TransformerMixin 和 BaseEstimator。BaseEstimator 提供了 get_params() 和 set_params() 方法，这对于在 Pipeline 或 GridSearchCV 中使用至关重要。

下面是一个简单的自定义转换器示例，它会在训练时记录一个参数，并在转换时用该参数填充一个数组：

import numpy as np
from sklearn.base import BaseEstimator, TransformerMixin

# 1. 定义类，同时继承 TransformerMixin 和 BaseEstimator
class MyTransformer(TransformerMixin, BaseEstimator):
    def __init__(self, param=1):
        self.param = param

    # 2. 实现 fit 方法，必须返回 self
    def fit(self, X, y=None):
        # 这里可以学习数据中的参数，此示例只是简单返回自身
        return self

    # 3. 实现 transform 方法，返回转换后的数据
    def transform(self, X):
        # 此示例简单地返回一个填充了 self.param 的数组
        return np.full(shape=len(X), fill_value=self.param)

# 使用自定义转换器
transformer = MyTransformer()
X = [[1, 2], [2, 3], [3, 4]]

# 可以直接使用 fit_transform 方法
result = transformer.fit_transform(X)
print(result)  # 输出: array([1, 1, 1])

核心方法与高级功能

除了自动实现 fit_transform，TransformerMixin 还提供了其他重要功能：

• fit_transform(X, y=None, **fit_params)：这是最主要的方法，功能已在上文介绍。
• set_output(*, transform=None)：这是一个较新加入的功能，允许你控制 transform 和 fit_transform 方法的输出类型。你可以将其设置为返回 Pandas DataFrame 或 Polars DataFrame，而不仅仅是 NumPy 数组。

注意事项

• 继承顺序：虽然示例中写作 class MyTransformer(TransformerMixin, BaseEstimator):，但在 Python 多重继承中，Mixin 类通常放在前面。
• 何时需要覆盖 fit_transform：TransformerMixin 提供的默认实现是先 fit 再 transform。如果你的转换器有更高效的方法可以同时进行拟合和转换（例如 StandardScaler），你可以选择在自己的类中重写（覆盖）这个方法。

总结

简而言之，TransformerMixin 是构建 Scikit-learn 兼容的自定义转换器不可或缺的助手。它通过提供标准的 fit_transform 实现，让你能专注于核心的 fit 和 transform 逻辑，从而写出更干净、更标准的代码。