Aprende ColumnTransformer

Al llamar a .fit_transform(X) en un Pipeline, cada transformador se aplica a todas las columnas, lo cual no siempre es deseable. Algunas columnas pueden requerir codificadores diferentes — por ejemplo, OrdinalEncoder para características ordinales y OneHotEncoder para las nominales. ColumnTransformer resuelve esto permitiendo asignar diferentes transformadores a columnas específicas utilizando make_column_transformer.

make_column_transformer acepta tuplas de (transformer, [columns]). Por ejemplo, aplicar OrdinalEncoder a 'education' y OneHotEncoder a 'gender':

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

Nota

remainder controla lo que sucede con las columnas no especificadas. Por defecto: 'drop'. Para mantener todas las demás columnas sin cambios, establecer remainder='passthrough'.

Por ejemplo, considere el archivo exams.csv. Contiene varias columnas nominales ('gender', 'race/ethnicity', 'lunch', 'test preparation course') y una columna ordinal, '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())

Utilizando ColumnTransformer, los datos nominales pueden transformarse con OneHotEncoder y los datos ordinales con OrdinalEncoder en un solo paso.


              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))

El ColumnTransformer es en sí mismo un transformador, por lo que proporciona los métodos estándar .fit(), .fit_transform() y .transform().

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 3. Capítulo 2

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

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?

Desliza para mostrar el menú