它可能是相当罕见的需要使用fit而不是代替fit_transformsklearn转换器。尽管如此，将方法分开是有意义的：拟合转换器是学习有关数据的相关信息，而转换会产生一个改变的数据集。拟合对于 sklearn预测器仍然有意义，并且只有其中一些（特别是聚类器和异常检测器）提供组合的fit_predict.

我至少可以想到一个例子，其中安装了转换器但不（立即）转换数据，但它是内部的。在KBinsDiscretizer，如果encode='onehot'，则OneHotEncoder创建 的内部实例，并且在fit离散化器的时间，编码器被安装（到虚拟数据）只是为了准备它来转换未来的数据。在这一点上转换给定的数据KBinsDiscretizer.fit将是浪费的。

最后，对您的帖子发表评论：

我们有这比单独fit_transform使用要快得多fittransform

在大多数（但不是全部）情况下，fit_transform字面上与 相同fit(X, y).transform(X)，所以这不应该更快。