ArbitraryDiscretiser#
- class feature_engine.discretisation.ArbitraryDiscretiser(binning_dict, return_object=False, return_boundaries=False, precision=3, errors='ignore')[源代码][源代码]#
ArbitraryDiscretiser() 将数值变量划分为由用户确定的区间。因此，它仅适用于数值变量。
你需要输入一个字典，其中变量名作为键，区间限制的列表作为值。例如，键可以是变量名 ‘var1’，值可以是以下列表：[0, 10, 100, 1000]。然后，ArbitraryDiscretiser() 会将 var1 的值分入区间 0-10, 10-100, 100-1000，并将 var2 分入 5-10, 10-15 和 15-20。类似于
pandas.cut。更多详情请参阅 用户指南。
- 参数
- binning_dict: dict
包含变量与区间限制对字典。
- return_object: bool, default=False
离散变量是否应返回为数值类型或对象类型。如果您希望使用 Feature-engine 的分类编码器对离散变量进行编码，请使用 True。或者，保持默认的 False。
- return_boundaries: bool, default=False
输出是否应为区间边界。如果为 True，则返回区间边界。如果为 False，则返回整数。
- precision: int, default=3
存储和显示分箱标签的精度。
- errors: string, default=’ignore’
指示当值超出 ‘binning_dict’ 中指示的限制时应执行的操作。如果为 ‘raise’，转换将引发错误。如果为 ‘ignore’，超出限制的值将返回为 NaN，并会引发警告。
- 属性
- binner_dict_:
包含每个变量区间限制的字典。
- 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_:
用于拟合的训练集中的特征数量。
参见
示例
>>> import pandas as pd >>> import numpy as np >>> from feature_engine.discretisation import ArbitraryDiscretiser >>> np.random.seed(42) >>> X = pd.DataFrame(dict(x = np.random.randint(1,100, 100))) >>> bins = dict(x = [0, 25, 50, 75, 100]) >>> ad = ArbitraryDiscretiser(binning_dict = bins) >>> ad.fit(X) >>> ad.transform(X)["x"].value_counts() 2 31 0 27 3 25 1 17 Name: x, dtype: int64
方法
拟合：
这个转换器不学习参数。
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：
将连续变量的值排序到区间中。
- fit(X, y=None)[源代码][源代码]#
此转换器不学习任何参数。
- 参数
- X: pandas 数据框，形状为 = [样本数, 特征数]
训练数据集。可以是整个数据框，而不仅仅是需要转换的变量。
- y: None
在这个转换器中不需要 y。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，形状为 (n_samples,) 或 (n_samples, n_outputs)，默认=None
目标值（无监督变换为None）。
- **fit_参数dict
附加的拟合参数。
- 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
如果为真，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。