Oppiskele Sarakemuunnin

Kun kutsutaan .fit_transform(X) Pipeline-objektille, jokainen muunnin sovelletaan kaikkiin sarakkeisiin, mikä ei aina ole toivottavaa. Jotkin sarakkeet saattavat vaatia erilaisia koodereita — esimerkiksi OrdinalEncoder järjestysasteikollisille ominaisuuksille ja OneHotEncoder nimellisille ominaisuuksille. ColumnTransformer ratkaisee tämän antamalla mahdollisuuden määrittää eri muuntimet tietyille sarakkeille käyttämällä make_column_transformer-funktiota.

make_column_transformer ottaa vastaan tupleja muodossa (transformer, [columns]). Esimerkiksi, kun OrdinalEncoder sovelletaan sarakkeeseen 'education' ja OneHotEncoder sarakkeeseen 'gender':

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

Huomio

remainder määrittää, mitä tapahtuu määrittelemättömille sarakkeille. Oletus: 'drop'. Jos haluat säilyttää kaikki muut sarakkeet muuttumattomina, aseta remainder='passthrough'.

Esimerkiksi tarkastellaan tiedostoa exams.csv. Se sisältää useita nominaalisia sarakkeita ('gender', 'race/ethnicity', 'lunch', 'test preparation course') ja yhden ordinaalisen sarakkeen, '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())

ColumnTransformer-luokan avulla nominaalidataa voidaan muuntaa OneHotEncoder-muuntimella ja ordinaalidataa OrdinalEncoder-muuntimella yhdessä vaiheessa.


              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))

ColumnTransformer on itsessään muunnin, joten se tarjoaa vakiomenetelmät .fit(), .fit_transform() ja .transform().

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 3. Luku 2

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

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?

Awesome!

Completion rate improved to 3.13

Pyyhkäise näyttääksesi valikon

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