Lære Kolonnetransformator

Ser vi fremover, når du kaller metoden .fit_transform(X) på et Pipeline-objekt, anvender den hver transformer på hele settet av funksjoner i X. Dette er imidlertid ikke alltid ønskelig.

For eksempel ønsker du kanskje ikke å kode numeriske verdier, eller du kan ha behov for å bruke forskjellige transformere på spesifikke kolonner — som å bruke OrdinalEncoder for ordinale funksjoner og OneHotEncoder for nominale funksjoner.

ColumnTransformer løser dette ved å tillate at hver kolonne behandles separat. For å opprette en ColumnTransformer, kan du bruke funksjonen make_column_transformer fra modulen sklearn.compose.

Funksjonen tar som argumenter tupler med transformeren og listen over kolonner denne transformeren skal brukes på.

For eksempel kan vi opprette en ColumnTransformer som bruker OrdinalEncoder kun på kolonnen 'education' og OneHotEncoder kun på kolonnen 'gender'.

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

Merk

Argumentet remainder angir hva som skal gjøres med kolonner som ikke er nevnt i make_column_transformer (i dette tilfellet kolonner andre enn 'gender' og 'education').

Som standard er den satt til 'drop', noe som betyr at alle ikke-nevnte kolonner blir fjernet fra datasettet. For å inkludere disse kolonnene uberørt i utdataene, sett remainder til 'passthrough'.

For eksempel, vurder filen exams.csv. Den inneholder flere nominale kolonner ('gender', 'race/ethnicity', 'lunch', 'test preparation course') og én ordinale kolonne, '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())

Ved å bruke ColumnTransformer kan nominale data transformeres med OneHotEncoder og ordinale data med OrdinalEncoder i ett enkelt steg.


              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 er selv en transformer, og tilbyr derfor de standard metodene .fit(), .fit_transform() og .transform().

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 2

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

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?

Sveip for å vise menyen