Python dask_ml.compose.ColumnTransformer用法及代码示例

用法: class dask_ml.compose.ColumnTransformer(transformers, remainder='drop', sparse_threshold=0.3, n_jobs=1, transformer_weights=None, preserve_dataframe=True)

将转换器应用于数组或 pandas DataFrame 的列。

实验性：某些行为可能会在版本之间发生变化而不会弃用。

此估计器允许单独转换输入的不同列或列子集，并将结果组合到单个特征空间中。这对于异构或列数据很有用，可以将多个特征提取机制或转换组合到单个转换器中。

在用户指南中阅读更多信息。

注意

这需要scikit-learn 0.20.0 或更高版本。

参数：

transformers：元组列表

(名称、转换器、列)元组列表，指定要应用于数据子集的转换器对象。

姓名：string: 就像在 Pipeline 和 FeatureUnion 中一样，这允许使用 set_params 设置转换器及其参数并在网格搜索中进行搜索。
transformer：估计器或 {‘passthrough’, ‘drop’}: 估算器必须支持 fit 和 transform 。 Special-cased 字符串 ‘drop’ and ‘passthrough’ 也被接受，分别表示删除列或将它们传递给未转换的列。
列)：string or int, array-like of string or int, slice, boolean mask array or callable: 在其第二个轴上索引数据。整数被解释为位置列，而字符串可以按名称引用 DataFrame 列。如果transformer 期望 X 是一维 array-like(向量)，则应使用标量字符串或整数，否则将向转换器传递一个二维数组。可调用对象传递输入数据X，并且可以返回上述任何内容。

remainder：{‘drop’, ‘passthrough’} 或估计器，默认 ‘drop’

默认情况下，只有 transformers 中的指定列在输出中进行转换和组合，而未指定的列将被删除。 (默认为 'drop' )。通过指定 remainder='passthrough' ，将自动传递所有未在 transformers 中指定的剩余列。该列子集与转换器的输出连接。通过将remainder 设置为估计器，其余未指定的列将使用remainder 估计器。估计器必须支持 fit 和 transform 。

sparse_threshold：浮点数，默认 = 0.3

如果转换后的输出包含稀疏和密集数据的混合，如果密度低于此值，它将被堆叠为稀疏矩阵。使用 sparse_threshold=0 始终返回密集。当转换后的输出由所有稀疏或所有密集数据组成时，堆叠结果将分别为稀疏或密集，该关键字将被忽略。

n_jobs：整数或无，可选(默认=无)

并行运行的作业数。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关详细信息，请参阅词汇表。

transformer_weights：字典，可选

每个转换器的特征的乘法权重。转换器的输出乘以这些权重。键是转换器名称，值是权重。

preserve_dataframe：布尔，(默认=真)

连接结果时是否保留 pandas DataFrames。

警告

保留 DataFrame 的默认行为与 scikit-learn 的当前行为不同。如果需要确保输出与scikit-learn 的 ColumnTransformer 匹配，请设置 preserve_dataframe=False。

属性：

transformers_：列表: 作为(名称，fitted_transformer，列)的元组的拟合转换器的集合。 fitted_transformer 可以是估计器，‘drop’, or ‘passthrough’。如果还有剩余的列，则最后一个元素是形式的元组：(‘remainder’，transformer，remaining_columns)对应于remainder参数。如果还有剩余的列，则 len(transformers_)==len(transformers)+1 ，否则 len(transformers_)==len(transformers) 。
named_transformers_Bunch 对象，具有属性访问权限的字典: 按名称访问已安装的转换器。
sparse_output_：布尔值: 指示 transform 的输出是稀疏矩阵还是密集 numpy 数组的布尔标志，这取决于各个转换器的输出和 sparse_threshold 关键字。

注意：

转换后的特征矩阵中列的顺序遵循 transformers 列表中列的指定顺序。除非在 passthrough 关键字中指定，否则未指定的原始特征矩阵的列将从生成的转换特征矩阵中删除。用passthrough 指定的那些列被添加到转换器输出的右侧。

例子：

>>> from dask_ml.compose import ColumnTransformer
>>> from sklearn.preprocessing import Normalizer
>>> ct = ColumnTransformer(
...     [("norm1", Normalizer(norm='l1'), [0, 1]),
...      ("norm2", Normalizer(norm='l1'), slice(2, 4))])
>>> X = np.array([[0., 1., 2., 2.],
...               [1., 1., 0., 1.]])
>>> # Normalizer scales each row of X to unit norm. A separate scaling
>>> # is applied for the two first and two last elements of each
>>> # row independently.
>>> ct.fit_transform(X)    
array([[0. , 1. , 0.5, 0.5],
       [0.5, 0.5, 0. , 1. ]])

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask_ml.compose.ColumnTransformer。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。