scikit-learnのStandardScaler:fit_transform時とは異なる変数の数でinverse

複数列のデータに対してStandardScalerのfit_transformを適用した後、

1列のデータに対してinverse_transformを適用したい

python
1from sklearn.preprocessing import StandardScaler
2
3a=[[0,1,2,3,4],[2,2,2,3,4],[1,1,1,5,1],[1,5,6,4,1],[1,3,3,4,1]]
4sc_ = StandardScaler()
5a_std  =sc_.fit_transform(a)
6
7#一般的な使い方
8b_std = [[0, 0.1, 0.2 , 0.3, 0.4]]
9b = sc_.inverse_transform(b_std)
10
11#やりたいこと
12v_last_std = [0.4]
13v_last = sc_.inverse_transform(v_last_std)
14print(v_last)
15
16#fit_transformしたときと配列の大きさが異なるので、当然エラーになります
17

無理やり書くと２通りでやりたいことは出来ましたが、もっときれいに書く方法はありますでしょうか。
1．元の配列と列数が等しい0行列を準備してから置換する。

2.fit_transform時に、目的の列だけ別にStandardScalerを準備する。

どちらも動きはしますが、あまり美しいとは思えません。。

python
1#1
2tmp_std = [0] * 5
3tmp_std[-1] = v_last_std[0]
4
5tmp = sc_.inverse_transform(tmp_std)
6v_last = tmp[-1]
7print(v_last)
8
9#2
10sc_last = StandardScaler()
11a_last = [(i[-1],) for i in a]
12print(a_last)
13a_last_std = sc_last.fit_transform(a_last)
14
15print(a_last_std)
16
17v_last = sc_last.inverse_transform(v_last_std)[0]
18print(v_last)
19