如何跟踪由sklearn.compose.ColumnTransformer
产生的转换数组的列? “保持跟踪”是指执行逆变换所需的每一位信息都必须显式显示。这至少包括以下内容:
我正在基于this answer使用相同的方法。我的输入数据集也是具有多个数值和分类列的通用pandas.DataFrame
。是的,该答案可以转换原始数据集。但是我没有跟踪输出数组中的列。我需要这些信息用于同行评审,报告撰写,演示和进一步的模型构建步骤。我一直在寻找系统的方法,但是没有运气。
提到的答案是基于Sklearn中的this。
您可以使用以下代码段获取前两个问题的答案。
def get_feature_names(columnTransformer):
output_features = []
for name, pipe, features in columnTransformer.transformers_:
if name!='remainder':
for i in pipe:
trans_features = []
if hasattr(i,'categories_'):
trans_features.extend(i.get_feature_names(features))
else:
trans_features = features
output_features.extend(trans_features)
return output_features
import pandas as pd
pd.DataFrame(preprocessor.fit_transform(X_train),
columns=get_feature_names(preprocessor))
transformed_cols = get_feature_names(preprocessor)
def get_original_column(col_index):
return transformed_cols[col_index].split('_')[0]
get_original_column(3)
# 'embarked'
get_original_column(0)
# 'age'
def get_category(col_index):
new_col = transformed_cols[col_index].split('_')
return 'no category' if len(new_col)<2 else new_col[-1]
print(get_category(3))
# 'Q'
print(get_category(0))
# 'no category'
对于当前版本的Sklearn来说,跟踪某个功能是否进行了插补或缩放并不容易。