Колонний Трансформер
Дивлячись наперед, коли ви викликаєте метод .fit_transform(X)
для об'єкта Pipeline
, він застосовує кожен трансформер до всього набору ознак у X
. Однак така поведінка може бути не завжди бажаною.
Наприклад, можливо, ви не хочете кодувати числові значення або вам потрібно застосувати різні трансформери до певних стовпців — наприклад, використовувати OrdinalEncoder
для порядкових ознак і OneHotEncoder
для номінативних ознак.
ColumnTransformer
вирішує цю проблему, дозволяючи обробляти кожен стовпець окремо. Для створення ColumnTransformer
можна скористатися функцією make_column_transformer
з модуля sklearn.compose
.
Функція приймає як аргументи кортежі з трансформером і списком стовпців, до яких цей трансформер має бути застосований.
Наприклад, можна створити ColumnTransformer
, який застосовує OrdinalEncoder
лише до стовпця 'education'
, а OneHotEncoder
— лише до стовпця 'gender'
.
ct = make_column_transformer(
(OrdinalEncoder(), ['education']),
(OneHotEncoder(), ['gender']), remainder='passthrough'
)
Наприклад, ми використаємо файл exams.csv
, який містить номінативні стовпці ('gender'
, 'race/ethnicity'
, 'lunch'
, 'test preparation course'
). Також він містить порядковий стовпець 'parental level of education'
.
12345import 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())
За допомогою ColumnTransformer
можна одночасно трансформувати номінальні дані за допомогою OneHotEncoder
та порядкові дані за допомогою OrdinalEncoder
в один крок.
123456789101112131415import 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))
Як і слід очікувати, ColumnTransformer
є трансформером, тому містить усі необхідні методи для трансформера, такі як .fit()
, .fit_transform()
та .transform()
.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 3.13
Колонний Трансформер
Свайпніть щоб показати меню
Дивлячись наперед, коли ви викликаєте метод .fit_transform(X)
для об'єкта Pipeline
, він застосовує кожен трансформер до всього набору ознак у X
. Однак така поведінка може бути не завжди бажаною.
Наприклад, можливо, ви не хочете кодувати числові значення або вам потрібно застосувати різні трансформери до певних стовпців — наприклад, використовувати OrdinalEncoder
для порядкових ознак і OneHotEncoder
для номінативних ознак.
ColumnTransformer
вирішує цю проблему, дозволяючи обробляти кожен стовпець окремо. Для створення ColumnTransformer
можна скористатися функцією make_column_transformer
з модуля sklearn.compose
.
Функція приймає як аргументи кортежі з трансформером і списком стовпців, до яких цей трансформер має бути застосований.
Наприклад, можна створити ColumnTransformer
, який застосовує OrdinalEncoder
лише до стовпця 'education'
, а OneHotEncoder
— лише до стовпця 'gender'
.
ct = make_column_transformer(
(OrdinalEncoder(), ['education']),
(OneHotEncoder(), ['gender']), remainder='passthrough'
)
Наприклад, ми використаємо файл exams.csv
, який містить номінативні стовпці ('gender'
, 'race/ethnicity'
, 'lunch'
, 'test preparation course'
). Також він містить порядковий стовпець 'parental level of education'
.
12345import 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())
За допомогою ColumnTransformer
можна одночасно трансформувати номінальні дані за допомогою OneHotEncoder
та порядкові дані за допомогою OrdinalEncoder
в один крок.
123456789101112131415import 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))
Як і слід очікувати, ColumnTransformer
є трансформером, тому містить усі необхідні методи для трансформера, такі як .fit()
, .fit_transform()
та .transform()
.
Дякуємо за ваш відгук!