Scikit-Learn的管道内发生了什么？

Question

我正在阅读“使用Scikit-Learn和Tensorflow实践机器学习”中的Scikit-Learn's Pipeline部分。这本书给出了关于管道的解释如下

  

调用管道的fit（）方法时，调用fit_transform（）   按顺序在所有变换器上传递每个调用的输出为   下一个调用的参数，直到它到达最终估算器，   它只是调用fit（）方法

我试图从文本中推断出Pipeline在Python中是如何运作的。

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler

num_pipeline = Pipeline([
    ('imputer', Imputer(strategy="median")),
    ('std_scaler', StandardScaler()),
])

result = num_pipeline.fit(data)
result

起初，我认为这就是Python中的内容：

1. 创建Imputer(strategy="median")的实例，即imputer
2. 执行imputer.fit_transform(data)并将对象返回到std_scaler.fit方法的输入，其中std_scaler是StandardScaler()的实例
3. 返回self（在本例中为std_scalar），因为fit方法返回self

但输出是，

Pipeline(memory=None,
     steps=[('imputer', Imputer(axis=0, copy=True, missing_values='NaN', strategy='median', verbose=0)), ('std_scaler', StandardScaler(copy=True, with_mean=True, with_std=True))])

管道内发生了什么？