Lernen ColumnTransformer

Beim Aufruf von .fit_transform(X) auf einer Pipeline wird jeder Transformer auf alle Spalten angewendet, was nicht immer erwünscht ist. Manche Spalten benötigen unterschiedliche Encoder — zum Beispiel OrdinalEncoder für ordinale Merkmale und OneHotEncoder für nominale Merkmale. ColumnTransformer löst dieses Problem, indem Sie verschiedene Transformer bestimmten Spalten mit make_column_transformer zuweisen können.

make_column_transformer akzeptiert Tupel der Form (transformer, [columns]). Beispielsweise kann OrdinalEncoder auf 'education' und OneHotEncoder auf 'gender' angewendet werden:

ct = make_column_transformer(
   (OrdinalEncoder(), ['education']),
   (OneHotEncoder(), ['gender']),
   remainder='passthrough'
)

Hinweis

remainder steuert, was mit nicht spezifizierten Spalten geschieht. Standard: 'drop'. Um alle anderen Spalten unverändert zu lassen, remainder='passthrough' setzen.

Zum Beispiel enthält die Datei exams.csv mehrere nominale Spalten ('gender', 'race/ethnicity', 'lunch', 'test preparation course') und eine ordinale Spalte, 'parental level of education'.


              12345
            
import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/exams.csv')

print(df.head())

Mit ColumnTransformer können nominale Daten mit OneHotEncoder und ordinale Daten mit OrdinalEncoder in einem einzigen Schritt transformiert werden.


              12345678910111213
            
from sklearn.compose import make_column_transformer
from sklearn.preprocessing import OneHotEncoder, OrdinalEncoder

edu_categories = ['high school', 'some high school', 'some college', "associate's degree", 
                  "bachelor's degree", "master's degree"]

ct = make_column_transformer(
  (OrdinalEncoder(categories=[edu_categories]), ['parental level of education']),
  (OneHotEncoder(), ['gender', 'race/ethnicity', 'lunch', 'test preparation course']),
  remainder='passthrough'
)

print(ct.fit_transform(df))

Der ColumnTransformer ist selbst ein Transformer und stellt daher die Standardmethoden .fit(), .fit_transform() und .transform() bereit.

War alles klar?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 2

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

Can you explain what the `remainder='passthrough'` argument does?

How do I know which columns are nominal or ordinal in my own dataset?

Can you show how to use the transformed data in a machine learning model?

Swipe um das Menü anzuzeigen