问管道异构数据

EN

我正面临一个我不知道如何解决的问题，但由于我是个初学者，可能有一个简单的解决方案我找不到。

我正在处理泰坦尼克数据集，我想使用管道(以避免使用交叉验证的数据泄漏)。因此，我使用两个管道(一个用于数字，一个用于分类)+ FeatureUnion()。

有什么问题吗？在数值管道中，我填充年龄的NaN值，然后为该变量创建一些桶。该管道的结果将是包含所有数值特征+1分类变量的数据。对于编码分类变量，我对分类变量使用管道，然后使用FeatureUnion连接两个数据集。但问题是，我在数值管道中创建的新变量没有进入分类管道，结果是一个包含一个未被编码的范畴变量的数据文件。我怎么才能解决这个问题？

代码：

num_pipeline = Pipeline(steps = [
('selector', DataFrameSelector(numerical_features)),
('imputer', df_imputer(strategy="median")), #Numerical
('new_variables', df_new_variables()) #Numerical
])

cat_pipeline = Pipeline(steps = [
('selector', DataFrameSelector(categorical_features)),
('label_encoder', MultiColumnLabelEncoder()) #Categorical
])

full_pipeline = FeatureUnion(transformer_list=[
("num_pipeline", num_pipeline),
("cat_pipeline", cat_pipeline)
]) 

谢谢您抽时间见我

诚挚的问候

编辑：

我考虑使用ColumnTransformer，因为我认为在我的示例中它更适合，因为我必须对不同的列应用不同的转换，但问题是，当使用ColumnTransformer时，输出将是一个没有列名的数组，如果我们想使用特性选择，这将很难处理。这就是为什么我选择管道而不是ColumnTransformer。

谈到在进入管道之前创建桶的选项，我不能这样做，因为它是基于我正在处理的缺少值的变量创建的。

在这种情况下，最好的选择是什么？