Oppiskele Sarakemuunnin

Tulevaisuutta ajatellen, kun kutsut .fit_transform(X)-metodia Pipeline-oliolle, se soveltaa jokaista muunninta kaikkiin X-ominaisuuksiin. Tämä ei kuitenkaan aina ole toivottavaa.

Esimerkiksi et ehkä halua koodata numeerisia arvoja tai saatat tarvita eri muuntimia eri sarakkeille — kuten käyttää OrdinalEncoder-muunninta järjestysasteikollisille ominaisuuksille ja OneHotEncoder-muunninta nimellisille ominaisuuksille.

ColumnTransformer ratkaisee tämän ongelman mahdollistamalla jokaisen sarakkeen käsittelyn erikseen. ColumnTransformer-olion voi luoda käyttämällä make_column_transformer-funktiota, joka löytyy sklearn.compose-moduulista.

Funktio ottaa argumentteina tupleja, joissa on muunnin ja lista sarakkeista, joihin kyseinen muunnin sovelletaan.

Esimerkiksi voimme luoda ColumnTransformer-olion, joka soveltaa OrdinalEncoder-muunninta vain 'education'-sarakkeeseen ja OneHotEncoder-muunninta vain 'gender'-sarakkeeseen.

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

Huomio

remainder-argumentti määrittää, mitä tehdään sarakkeille, joita ei mainita make_column_transformer-funktiossa (tässä tapauksessa muille kuin 'gender' ja 'education' sarakkeille).

Oletuksena arvo on 'drop', eli kaikki mainitsemattomat sarakkeet poistetaan aineistosta. Jos haluat sisällyttää nämä sarakkeet koskemattomina lopputulokseen, aseta remainder arvoksi 'passthrough'.

Esimerkiksi tiedostossa exams.csv on useita nominaalisia sarakkeita ('gender', 'race/ethnicity', 'lunch', 'test preparation course') ja yksi ordinaalinen sarake, '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 nominaalidatan voi muuntaa OneHotEncoder-muuntimella ja ordinaalidatan OrdinalEncoder-muuntimella yhdessä vaiheessa.


              123456789101112131415
            
import pandas as pd
from sklearn.compose import make_column_transformer
from sklearn.preprocessing import OneHotEncoder, OrdinalEncoder

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/exams.csv')
# Ordered categories of parental level of education for OrdinalEncoder
edu_categories = ['high school', 'some high school', 'some college', "associate's degree", "bachelor's degree", "master's degree"]
# Making a column transformer
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 specify custom order for ordinal categories in `OrdinalEncoder`?

What does the output of `ct.fit_transform(df)` look like?

Pyyhkäise näyttääksesi valikon