在处理ColumnTransformer时，有一点需要注意，doc中报告如下：

变换后的特征矩阵中的列顺序遵循变换器列表中指定列的顺序。

这就是ColumnTransformer示例把事情搞砸的原因。实际上，考虑一下这个简化的例子，它类似于您的设置：

import numpy as np
import pandas as pd
from sklearn.compose import ColumnTransformer, make_column_selector
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline

df = pd.DataFrame({
               'date': ['02.01.2013', '03.01.2013', '05.01.2013', '06.01.2013', '15.01.2013'], 
               'date_block_num': ['0', '0', '0', '0', '0'], 
               'shop_id': ['59', '25', '25', '25', '25'],
               'item_id': ['22514', '2252', '2252', '2254', '2255'], 
               'item_price': [999.00, 899.00, 899.00, 1709.05, 1099.00]})

ct = ColumnTransformer([
    ('std_scaler', StandardScaler(), make_column_selector(dtype_include=np.number))], 
    remainder='passthrough')

pd.DataFrame(ct.fit_transform(df), columns=ct.get_feature_names_out())

正如您可能注意到的，转换后的 Dataframe 中的第一列是 numeric 列，即经历缩放的列（并且是 * transformers列表中的第一列 *）。
相反，这里有一个例子，说明如何通过在传递完所有字符串变量之后推迟对数值变量的缩放，从而确保按所需顺序获得列的可能性，来绕过此类问题：

ct = ColumnTransformer([
    ('pass', 'passthrough', make_column_selector(dtype_include=object)),
    ('std_scaler', StandardScaler(), make_column_selector(dtype_include=np.number))
])

pd.DataFrame(ct.fit_transform(df), columns=ct.get_feature_names_out())

为了完整描述，下面尝试重现您的Pipeline（尽管自定义转换器肯定与您的略有不同）：

from sklearn.base import BaseEstimator, TransformerMixin

class PercentOverTotalAttributeWholeAdder(BaseEstimator, TransformerMixin):

    def __init__(self, attribute_percent_name='shop_id', new_attribute_name='%_item_cnt_day_per_shop'):
    self.attribute_percent_name = attribute_percent_name
    self.new_attribute_name = new_attribute_name
    
    def fit(self, X, y=None):
        return self

    def transform(self, X, y=None):
        df[self.new_attribute_name] = df.groupby(by=self.attribute_percent_name)[self.attribute_percent_name].transform('count') / df.shape[0]
        return df

ct_pipe = ColumnTransformer([
    ('pass', 'passthrough', make_column_selector(dtype_include=object)),
    ('std_scaler', StandardScaler(), make_column_selector(dtype_include=np.number))
    ], verbose_feature_names_out=False)

pipe = Pipeline([
    ('percent_item_cnt_day_per_shop', PercentOverTotalAttributeWholeAdder(
        attribute_percent_name='shop_id',
        new_attribute_name='%_item_cnt_day_per_shop')
    ),
    ('percent_item_cnt_day_per_item', PercentOverTotalAttributeWholeAdder(
        attribute_percent_name='item_id',
        new_attribute_name='%_item_cnt_day_per_item')
    ),
    ('column_trans', ct_pipe),
])

pd.DataFrame(pipe.fit_transform(df), columns=pipe[-1].get_feature_names_out())

作为最后的注解，注意verbose_feature_names_out=False参数确保转换后的 Dataframe 的列的名称不显示引用ColumnTransformer中的不同转换器的前缀。

使用scikit-learn 1.2.1回答问题

在scikit-learn 1.2中，可以将ColumnTransformer的输出设置为panda Dataframe ，从而避免了第二步的转换。除此之外，在answer proposed by @amiola中，ColumnTransformer使用了一个直通阶段来保持字符串类型列相对于数值列的顺序。但这只有在所有字符串类型的列都在数字之前时才有效，为了说明这一点，我使用了相同的例子将shop_id列转换为数字：

import numpy as np
import pandas as pd
from sklearn.compose import ColumnTransformer, make_column_selector
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline

df = pd.DataFrame({
               'date': ['02.01.2013', '03.01.2013', '05.01.2013', '06.01.2013', '15.01.2013'], 
               'date_block_num': ['0', '0', '0', '0', '0'], 
               'shop_id': [59, 25, 25, 25, 25],
               'item_id': ['22514', '2252', '2252', '2254', '2255'], 
               'item_price': [999.00, 899.00, 899.00, 1709.05, 1099.00]})
ct = ColumnTransformer([
         ('pass', 'passthrough', make_column_selector(dtype_include=object)),
         ('std_scaler', StandardScaler(), make_column_selector(dtype_include=np.number))
                      ]).set_output(transform='pandas')
out_df = ct.fit_transform(df)
out_df

| | 通过日期|通过日期块编号|通过__项目_id|标准_定标器__车间_ID|标准定标器项目价格|
| - ------|- ------|- ------|- ------|- ------|- ------|
| 无|二○一三年一月二日|无|小行星22514|2.0版| -0.402369 |
| 1个|二○一三年一月三日|无|小行星225|-0.5| -0.732153 |
| 第二章|二○一三年一月五日|无|小行星225|-0.5| -0.732153 |
| 三个|二○一三年一月六日|无|小行星2254|-0.5|小行星1.939261|
| 四个|二○一三年一月十五日|无|二二五五|-0.5| -0.072585 |
可以看到shop_id列移到了末尾，原因与amiola的回答中解释的相同（即，按照ColumnTrasnformer中的变换顺序对列重新排序）。为了克服这个问题，您可以在转换后将verbose_feature_names_out设置为False以保留相同的起始列名（注意这些名称必须是唯一的，参见文档）。也不需要创建特定的passthrough步骤。

ct = ColumnTransformer([
    ('std_scaler', StandardScaler(), make_column_selector(dtype_include=np.number))],
     remainder='passthrough',
     verbose_feature_names_out=False).set_output(transform='pandas')

out_df = ct.fit_transform(df)
out_df = out_df[df.columns]
out_df

| | 日期|日期块编号|商店标识|项目标识|项目_价格|
| - ------|- ------|- ------|- ------|- ------|- ------|
| 无|二○一三年一月二日|无|2.0版|小行星22514| -0.402369 |
| 1个|二○一三年一月三日|无|-0.5|小行星225| -0.732153 |
| 第二章|二○一三年一月五日|无|-0.5|小行星225| -0.732153 |
| 三个|二○一三年一月六日|无|-0.5|小行星2254|小行星1.939261|
| 四个|二○一三年一月十五日|无|-0.5|二二五五| -0.072585 |