python - 从 scikit-learn 设计矩阵中提取特征和级别的名称

问题描述

有没有办法在 scikit-learn 中提取或计算设计矩阵的特征名称和级别名称？这是一个例子：

import pandas as pd
import numpy as np
from sklearn.preprocessing import OneHotEncoder, StandardScaler
from sklearn.impute import SimpleImputer
from sklearn.compose import make_column_transformer
from sklearn.pipeline import make_pipeline

df = pd.DataFrame(
    {
        'a': [np.nan, 2, 3, 4],
        'b': [5, 6, 7, np.nan],
        'c': ['u', 'v', 'u', 'v'],
        'd': [False, True, False, False],
        'e': ['r', 'r', 's', 's']
    }
)

scale_impute = make_pipeline(
    StandardScaler(),
    SimpleImputer(strategy='median', add_indicator=True)
)

transformer = make_column_transformer(
    (scale_impute, ['a', 'b']),
    (OneHotEncoder(), ['c', 'e']),
    remainder='passthrough'
)

X = transformer.fit_transform(df)

在控制台中，我们看到：

In [7]: df                                                                                                                                                      
Out[7]: 
     a    b  c      d  e
0  NaN  5.0  u  False  r
1  2.0  6.0  v   True  r
2  3.0  7.0  u  False  s
3  4.0  NaN  v  False  s

In [8]: pd.DataFrame(X)                                                                                                                                         
Out[8]: 
          0         1    2    3    4    5    6    7    8
0  0.000000 -1.224745  1.0  0.0  1.0  0.0  1.0  0.0  0.0
1 -1.224745  0.000000  0.0  0.0  0.0  1.0  1.0  0.0  1.0
2  0.000000  1.224745  0.0  0.0  1.0  0.0  0.0  1.0  0.0
3  1.224745  0.000000  0.0  1.0  0.0  1.0  0.0  1.0  0.0

我已经转换X为数据框只是为了更好地打印。在这个简单的情况下，我可以弄清楚每列是什么，但对于更复杂的场景，如果有某种方法可以确定每列对应的内容，那就太好了。换句话说，对于设计矩阵中的给定列，它对应于哪个特征？是否缺少指标列？如果它对应于一个分类变量，该列代表哪个级别？

该类ColumnTransformer确实有一个get_feature_names()方法，看起来它可能会做我想要的，但它不适用于这个例子：

In [10]: transformer.get_feature_names()                                                                                                                        
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-10-20eb841d2d36> in <module>
----> 1 transformer.get_feature_names()

/opt/anaconda3/lib/python3.7/site-packages/sklearn/compose/_column_transformer.py in get_feature_names(self)
    352                 raise AttributeError("Transformer %s (type %s) does not "
    353                                      "provide get_feature_names."
--> 354                                      % (str(name), type(trans).__name__))
    355             feature_names.extend([name + "__" + f for f in
    356                                   trans.get_feature_names()])

AttributeError: Transformer pipeline (type Pipeline) does not provide get_feature_names.

我正在运行 scikit-learn 的 0.23.1 版。

我见过patsy-learn包，它可能有用，但我需要在大学超级计算机上运行我的代码，如果我坚持使用与 Anaconda 捆绑的包，会更容易。

标签： pythonscikit-learn

python - 从 scikit-learn 设计矩阵中提取特征和级别的名称

问题描述

解决方案

推荐阅读