python - Scikit-Learn OneHotEncoder - 管道中的 get_feature_names

Question

我有一个预处理功能的管道。

在名义分类特征的情况下，我估算缺失值，然后使用 scikit-learn onehotencoder 进行一次热编码。

稍后我想获得这些转换后的特征的名称。

所以这里是代码：

正如我所说，对于名义特征，我有一个看起来像这样的管道：

    pipeline_categorical_nominal = Pipeline(steps=[
        ('ColumnSelector', ColumnSelector(feature_lists_dict['categorical_features_nominal'])),
        ('cat_impute_binary', CategoricalImputeNominal(cat_impute_approach)),
        ('create_dummies', DummyCreator())
    ])

我的自定义转换器类DummyCreator()如下所示：

   class DummyCreator(BaseEstimator, TransformerMixin):

        def __init__(self):
            self.enc = None

        def fit(self, X, y=None):
            self.enc = OneHotEncoder(handle_unknown='ignore').fit(X)
            return self

        def transform(self, X):
            ohc = self.enc
            X_categorical_scaled = ohc.transform(X)
            transformed_cols = ohc.get_feature_names(X.columns)
            X_categorical_scaled_df = pd.DataFrame.sparse.from_spmatrix(X_categorical_scaled,
                                                                        index= X.index,
                                                                        columns=transformed_cols)
            return X_categorical_scaled_df

        def get_feature_names(self, X):
            ohc = self.enc
            transformed_cols = ohc.get_feature_names(X.columns)
            return transformed_cols

执行时fit，transform管道工作正常。因为我在一个热编码特征被正确转换为二进制列之前估算了缺失值。

我的问题是在运行管道之后（实际上是更大的功能联合的一部分）。我想为预处理特征列表提取转换后的名义分类特征的名称。所以我最终重新初始化类（这是错误的），调用get_feature_names转换器方法，在（作为 dataframe X）中输入原始标称分类特征数据，拟合并onehotencoder使用该get_feature_names库中的方法（不要与我的方法混淆同名）。

        dc_class = DummyCreator()
        categorical_features_nominal_label_list = dc_class.get_feature_names(
            X_train[feature_lists_dict['categorical_features_nominal']])

当我这样做时，因为我没有使用管道和估算缺失值，所以当我使用时，onehotencoder.get_feature_names() 我会得到一个 null values 的功能名称。

我想我可以删除其中包含“无”的功能名称，但这似乎是一种草率（并且可能不准确）的处理方式。onehotencoder.fit()在使用或'onehotencoder.get_feature_names（）'时，是否有某种方法可以忽略缺失值作为一个类？就像我说的那样，我可以得到想要的结果，但它们看起来真的很草率。

指导表示赞赏。

正如您在上面看到的，我的自定义类中有一个方法get_feature_names

标签： pythonscikit-learnone-hot-encoding