Python sklearn ColumnTransformer用法及代码示例

本文简要介绍python语言中 sklearn.compose.ColumnTransformer 的用法。

用法:

class sklearn.compose.ColumnTransformer(transformers, *, remainder='drop', sparse_threshold=0.3, n_jobs=None, transformer_weights=None, verbose=False, verbose_feature_names_out=True)

将转换器应用于数组或 pandas DataFrame 的列。

该估计器允许单独转换输入的不同列或列子集，并且每个转换器生成的特征将连接起来形成单个特征空间。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。

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。

名字：str

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：{‘drop’, ‘passthrough’} 或估算器

估算器必须支持拟合和变换。 Special-cased 字符串 ‘drop’ 和 ‘passthrough’ 也被接受，分别指示删除列或将它们传递给未转换的列。

列：str、str 的类似数组、int、int 的类似数组、bool、slice 或 callable 的类似数组

在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。当 transformer 期望 X 是一个一维数组(向量)时，应该使用标量字符串或 int，否则一个二维数组将被传递给转换器。可调用对象传递输入数据X，并且可以返回上述任何数据。要按名称或数据类型选择多个列，可以使用 make_column_selector 。

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。估计器必须支持拟合和变换。请注意，使用此函数需要 DataFrame 列输入 fit 和 transform 具有相同的顺序。

sparse_threshold：浮点数，默认=0.3

如果不同转换器的输出包含稀疏矩阵，如果整体密度低于此值，则这些将堆叠为稀疏矩阵。使用 sparse_threshold=0 始终返回密集。当转换后的输出由所有密集数据组成时，堆叠的结果将是密集的，该关键字将被忽略。

n_jobs：整数，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，默认=无

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。

verbose：布尔，默认=假

如果为 True，则在安装每个转换器时经过的时间将在完成时打印。

verbose_feature_names_out：布尔，默认=真

如果为 True，get_feature_names_out 将在所有特征名称前加上生成该特征的转换器名称。如果为 False，get_feature_names_out 将不会为任何函数名称添加前缀，并且如果函数名称不唯一，则会出错。

属性：

transformers_：列表

已安装转换器的集合，作为(名称、fitted_transformer、列)的元组。 fitted_transformer 可以是估计器、‘drop’ 或 ‘passthrough’。如果没有选择任何列，则这将是未安装的转换器。如果还有剩余列，则最终元素是以下形式的元组：(‘remainder’、transformer、remaining_columns)，对应于remainder 参数。如果还有剩余列，则为 len(transformers_)==len(transformers)+1 ，否则为 len(transformers_)==len(transformers) 。

named_transformers_sklearn.utils.Bunch

按名称访问已安装的转换器。

sparse_output_：bool

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。

output_indices_：dict

从每个转换器名称到切片的字典，其中切片对应于转换后的输出中的索引。这对于检查哪个转换器负责哪个转换特征很有用。

n_features_in_：int

拟合期间看到的特征数。仅当底层转换器在合适时公开此类属性时才定义。

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：

>>> import numpy as np
>>> from sklearn.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. ]])