dask_ml.preprocessing.OrdinalEncoder
dask_ml.preprocessing.OrdinalEncoder¶
- class dask_ml.preprocessing.OrdinalEncoder(columns=None)[源代码]¶
序数（整数）编码分类列。
- 参数
- 列序列，可选
要编码的列。必须是分类数据类型。默认情况下，编码所有分类数据类型的列。
- 属性
- columns_索引
编码前/后的训练数据列
- categorical_columns_索引
训练数据中的分类列
- noncategorical_columns_索引
训练数据中的其余列
- dtypes_dict
字典映射列名到任一
CategoricalDtype 的实例（pandas >= 0.21.0）
元组 (categories, ordered)
注释
此转换器仅适用于 dask 和 pandas DataFrame。对于 dask DataFrame，您的所有分类变量都应该是已知的。
可以在数据框或数组上使用逆变换。
示例
>>> data = pd.DataFrame({"A": [1, 2, 3, 4], ... "B": pd.Categorical(['a', 'a', 'a', 'b'])}) >>> enc = OrdinalEncoder() >>> trn = enc.fit_transform(data) >>> trn A B 0 1 0 1 2 0 2 3 0 3 4 1
>>> enc.columns_ Index(['A', 'B'], dtype='object')
>>> enc.non_categorical_columns_ Index(['A'], dtype='object')
>>> enc.categorical_columns_ Index(['B'], dtype='object')
>>> enc.dtypes_ {'B': CategoricalDtype(categories=['a', 'b'], ordered=False)}
>>> enc.fit_transform(dd.from_pandas(data, 2)) Dask DataFrame Structure: A B npartitions=2 0 int64 int8 2 ... ... 3 ... ... Dask Name: assign, 8 tasks
方法
fit(X[, y])确定要编码的分类列。
fit_transform(X[, y])拟合数据，然后进行转换。
get_metadata_routing()获取此对象的元数据路由。
get_params([deep])获取此估计器的参数。
inverse_transform(X)对 X 中的列进行逆序编码
set_output(*[, transform])设置输出容器。
set_params(**params)设置此估计器的参数。
transform(X[, y])对 X 中的分类列进行序数编码