Python 管道自定义转换器
Python Pipeline Custom Transformer
我正在尝试编写自定义转换器以在管道中使用以预处理数据。
这是我正在使用的代码(来源 - 不是我写的)。它接收一个数据框,缩放特征,然后 returns 一个数据框:
class DFStandardScaler(BaseEstimator,TransformerMixin):
def __init__(self):
self.ss = None
def fit(self,X,y=None):
self.ss = StandardScaler().fit(X)
return self
def transform(self, X):
Xss = self.ss.transform(X)
Xscaled = pd.DataFrame(Xss, index=X.index, columns=X.columns)
return Xscaled
我的数据同时具有分类特征和连续特征。显然转换器不会转换分类特征('sex')。当我将此管道与下面的数据框配合使用时,它会抛出错误,因为它正在尝试缩放 'sex':
中的分类标签
sex length diameter height whole_weight shucked_weight \
0 M 0.455 0.365 0.095 0.5140 0.2245
1 M 0.350 0.265 0.090 0.2255 0.0995
2 F 0.530 0.420 0.135 0.6770 0.2565
3 M 0.440 0.365 0.125 0.5160 0.2155
4 I 0.330 0.255 0.080 0.2050 0.0895
5 I 0.425 0.300 0.095 0.3515 0.1410
如何将分类/连续特征列表传递到转换器中,以便它缩放适当的特征?还是以某种方式在转换器内部编写特征类型检查代码更好?
基本上,您需要在流水线中添加一个类似的 class 继承自 BaseEstimator
和 TransformerMixin
的步骤
class ColumnSelector(BaseEstimator,TransformerMixin):
def __init__(self, columns: list):
self.cols = columns
def fit(self,X,y=None):
return self
def transform(self, X, y=None):
return X.loc[:, self.cols]
然后在你的主管道中看起来像这样:
selector = ColumnSelector(['length', 'diameter', 'height', 'whole_weight', 'shucked_weight'])
pipe = pipeline.make_pipeline(
selector,
DFStandardScaler()
)
pipe2 = pipeline.make_pipeline(#some steps for the sex column)
full_pipeline = pipeline.make_pipeline(
pipeline.make_union(
pipe,
pipe2
),
#some other step
)
我正在尝试编写自定义转换器以在管道中使用以预处理数据。
这是我正在使用的代码(来源 - 不是我写的)。它接收一个数据框,缩放特征,然后 returns 一个数据框:
class DFStandardScaler(BaseEstimator,TransformerMixin):
def __init__(self):
self.ss = None
def fit(self,X,y=None):
self.ss = StandardScaler().fit(X)
return self
def transform(self, X):
Xss = self.ss.transform(X)
Xscaled = pd.DataFrame(Xss, index=X.index, columns=X.columns)
return Xscaled
我的数据同时具有分类特征和连续特征。显然转换器不会转换分类特征('sex')。当我将此管道与下面的数据框配合使用时,它会抛出错误,因为它正在尝试缩放 'sex':
中的分类标签 sex length diameter height whole_weight shucked_weight \
0 M 0.455 0.365 0.095 0.5140 0.2245
1 M 0.350 0.265 0.090 0.2255 0.0995
2 F 0.530 0.420 0.135 0.6770 0.2565
3 M 0.440 0.365 0.125 0.5160 0.2155
4 I 0.330 0.255 0.080 0.2050 0.0895
5 I 0.425 0.300 0.095 0.3515 0.1410
如何将分类/连续特征列表传递到转换器中,以便它缩放适当的特征?还是以某种方式在转换器内部编写特征类型检查代码更好?
基本上,您需要在流水线中添加一个类似的 class 继承自 BaseEstimator
和 TransformerMixin
class ColumnSelector(BaseEstimator,TransformerMixin):
def __init__(self, columns: list):
self.cols = columns
def fit(self,X,y=None):
return self
def transform(self, X, y=None):
return X.loc[:, self.cols]
然后在你的主管道中看起来像这样:
selector = ColumnSelector(['length', 'diameter', 'height', 'whole_weight', 'shucked_weight'])
pipe = pipeline.make_pipeline(
selector,
DFStandardScaler()
)
pipe2 = pipeline.make_pipeline(#some steps for the sex column)
full_pipeline = pipeline.make_pipeline(
pipeline.make_union(
pipe,
pipe2
),
#some other step
)