时间戳

首页 > 解决方案 > 在管道过程中创建新的 Pandas Dataframe 列

python - 在管道过程中创建新的 Pandas Dataframe 列

问题描述

我很抱歉，但如果不举我的例子，我不确定如何解释这一点，因此：

对于 Kaggle 中的 titanic 数据集，有些人添加了一个名为“isChild”的新列，并将其应用于年龄列，如果年龄低于 13 岁，他/她是成年人。从那里他们可以很好地预处理、创建和调整他们的模型。

如果我要创建相同的模型并将其部署到任何人都可以使用 Dataframe 的原始输入在前端填写表单的地方，那么该模型将无法工作，因为“isChild”是在预处理部分计算的。

我了解人们使用 Pipeline 和 make_pipline 来创建流程，但我的问题是人们总是在 Pipeline 中添加通用步骤，例如 PCA 或估算缺失值。如何添加一个步骤来添加这个新列，然后在模型中运行它？

如果您能指导我或为我提供一些有用的信息或回答这个问题，我们将不胜感激。

标签： pythonpython-3.xpandaspipelinepreprocessor

解决方案

所以我的问题的答案是我首先必须创建一个类，如下所示：

class DataframeFunctionTransformer():
def __init__(self, func):
    self.func = func

def transform(self, input_df, **transform_params):
    return self.func(input_df)

def fit(self, X, y=None, **fit_params):
    return self

然后一旦创建了这个类，我就可以创建自己的函数，即向 Titanic Dataframe 添加一个新列（isChild 列）：

def ischild(dataset):
dataset['Child'] = dataset['Age'].apply(lambda x: 'Yes' if x<13 else 'No')

return dataset

现在，当使用 sklearn 创建管道时，我可以像这样使用我的新函数：

from sklearn.pipeline import Pipeline
pipeline = Pipeline([
    ("ChildColumn", DataframeFunctionTransformer(ischild))
])

谢谢你。

推荐阅读