我有一个缺少很多分类值的数据集,我想制作一个自定义输入器,它将用等于 "no-variable_name"
的值填充空值.
例如,如果一列 "Workclass"
有一个 Nan
值,将其替换为 "No Workclass"
.
我这样做
X_train['workclass'].fillna("No workclass", inplace = True)
但我想做一个
Imputer
,所以我可以在管道中传递它。
最佳答案
您可以使用 TransformerMixin
定义自定义转换器.这是一个简单的示例,如何定义一个简单的转换器并将其包含在管道中:
df = pd.DataFrame({'workclass':['class1', np.nan, 'Some other class', 'class1',
np.nan, 'class12', 'class2', 'class121'],
'color':['red', 'blue', np.nan, 'pink',
'green', 'magenta', np.nan, 'yellow']})
# train test split of X
df_train = df[:3]
df_test = df[3:]
print(df_test)
workclass color
3 class1 pink
4 NaN green
5 class12 magenta
6 class2 NaN
7 class121 yellow
想法是使用
df_train
来适应数据框,并在 df_test
上复制转换.我们可以定义我们的自定义转换类继承自 TransformerMixin
:from sklearn.pipeline import Pipeline
from sklearn.base import TransformerMixin
class InputColName(TransformerMixin):
def fit(self, X, y):
self.fill_with = X.columns
return self
def transform(self, X):
return np.where(X.isna(), 'No ' + self.fill_with, X)
然后将其包含在您的管道中(此处仅使用
InputColName
以保持示例简单)并将其与训练数据拟合:pipeline = Pipeline(steps=[
('inputter', InputColName())
])
pipeline.fit(df_train)
现在,如果我们尝试使用看不见的数据进行转换:
print(pd.DataFrame(pipeline.transform(df_test), columns=df.columns))
workclass color
0 class1 pink
1 No workclass green
2 class12 magenta
3 class2 No color
4 class121 yellow
关于python - 为分类变量 sklearn 创建我的自定义输入器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61278575/