假设我有以下DataFrame（当然，过分简化）：

df = pd.DataFrame([
   'Hello','Bye','Hello','Hello'
],columns=['A'])

我还有以下估算器/变换器，用于根据相似度将A的所有值聚类为 N 个聚类：

class Clusterer(BaseEstimator,TransformerMixin):
    def __init__(self,nclusters=2):
        print('__init__({}) called'.format(nclusters))
        self._vectorizer = CountVectorizer(strip_accents='unicode',stop_words='english')
        self._nclusters = nclusters
    def fit(self,X,y=None):
        # Vectorize all values,then cluster
        self._clusters = [
             KMeans(n_clusters=self._nclusters)
             .fit(self._vectorizer.fit_transform(x))
             for x in X.values.T
        ]
        return self
    def transform(self,X):
        # Return cluster labels
        return np.array([c.labels_ for c in self._clusters])

请注意print下的__init__语句

我希望得到以下转换

A
--
0
1
0
0
0
1
0
1
0

请注意，所有内容均已以0或1进行编码（我提供的示例是真实数据的真正简化版本）

我创建了以下转换：

ctf = ColumnTransformer([
    ('a',Clusterer(nclusters=2),['A'])
])

但是，执行后：

ctf.fit_transform(df)

我得到以下印刷声明：

__init__(2)
__init__(None)

由于未提供n_clusters，因此在实际群集期间会导致错误。

我在这里想念什么吗？