数学特性#
- class feature_engine.creation.MathFeatures(variables, func, new_variables_names=None, missing_values='raise', drop_original=False)[源代码][源代码]#
MathFeatures(() 对多个特征应用函数，返回一个或多个额外的特征作为结果。它使用
pandas.agg()来创建特征，设置axis=1。有关支持的聚合函数，请参阅 pandas 文档。
请注意，如果某些变量有缺失数据且
missing_values='ignore'，计算时将忽略该值。明确地说，如果变量 A、B 和 C 的值分别为 10、20 和 NA，并且我们执行求和操作，结果将是 A + B = 30。更多详情请参阅 用户指南。
- 参数
- 变量: 列表
输入变量的列表。变量必须是数值，并且列表中必须至少有2个不同的变量。
- func: 函数, 字符串, 列表
用于聚合数据的函数。与
pandas.agg()中的参数func具有相同的功能。如果是一个函数，它必须能够在传递给 DataFrame 时工作，或者在传递给 DataFrame.apply 时工作。接受的组合有：函数
字符串函数名称
函数列表和/或函数名称，例如 [np.sum, ‘mean’]
每个函数将产生一个新的变量，该变量将被添加到转换后的数据集中。
- new_variables_names: list, default=None
新变量的名称。如果传递一个包含名称的列表（推荐），请为每个函数输入一个名称。如果为 None，转换器将分配任意名称，以函数名开头，后跟用 _ 分隔的变量。
- missing_values: string, default=’raise’
指示是否应忽略缺失值或引发异常。如果为
'raise'，当要fit或transform的数据集包含缺失值时，转换器将返回错误。如果为'ignore'，在学习参数或执行转换时将忽略缺失数据。- drop_original: bool, default=False
如果为 True，则转换的原始变量将从数据框中删除。
- 属性
- 变量_：
将被转换的变量组。
- feature_names_in_:
列出在
fit过程中看到的特征名称。- n_features_in_:
在拟合中使用的训练集中的特征数量。
注释
尽管转换器允许我们将任何特征与任何函数结合，我们建议基于领域知识来创建特征。金融领域的典型例子有：
汇总所有金融产品的债务，例如信用卡，以获得总债务。
计算各种金融产品的平均支付额。
找出任何一个月中的最低付款额。
在保险中，我们可以将汽车各部分的损坏相加，以获得总损坏。
示例
>>> import pandas as pd >>> from feature_engine.creation import MathFeatures >>> X = pd.DataFrame(dict(x1 = [1,2,3], x2 = [4,5,6])) >>> mf = MathFeatures(variables = ["x1","x2"], func = "sum") >>> mf.fit(X) >>> mf.transform(X) x1 x2 sum_x1_x2 0 1 4 5 1 2 5 7 2 3 6 9
>>> mf = MathFeatures(variables = ["x1","x2"], func = "prod") >>> mf.fit(X) >>> mf.transform(X) x1 x2 prod_x1_x2 0 1 4 4 1 2 5 10 2 3 6 18
>>> mf = MathFeatures(variables = ["x1","x2"], func = "mean") >>> mf.fit(X) >>> mf.transform(X)) x1 x2 mean_x1_x2 0 1 4 2.5 1 2 5 3.5 2 3 6 4.5
方法
拟合：
此转换器不学习参数。
fit_transform:
拟合数据，然后进行转换。
get_feature_names_out:
获取转换的输出特征名称。
get_params:
获取此估计器的参数。
设置参数:
设置此估计器的参数。
转换：
创建新功能。
- fit(X, y=None)[源代码]#
此转换器不学习参数。
- 参数
- X: pandas 数据框，形状为 = [样本数, 特征数]
训练输入样本。
- y: pandas Series, 或 np.array. 默认为 None.
在这个转换器中不需要。你可以传递 y 或 None。
- fit_transform(X, y=None, **fit_params)[源代码]#
拟合数据，然后进行转换。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数
- X类似数组的形状 (n_samples, n_features)
输入样本。
- y类数组的形状 (n_samples,) 或 (n_samples, n_outputs), 默认=None
目标值（无监督变换为None）。
- **fit_参数dict
额外的拟合参数。
- 返回
- X_newndarray 数组，形状为 (n_samples, n_features_new)
转换后的数组。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请查看 用户指南 以了解路由机制的工作原理。
- 返回
- 路由MetadataRequest
一个封装了路由信息的
MetadataRequest。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数
- 深度bool, 默认=True
如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。
- 返回
- 参数dict
参数名称映射到它们的值。