CountFrequencyEncoder

class feature_engine.encoding.CountFrequencyEncoder(encoding_method='count', variables=None, missing_values='raise', ignore_format=False, unseen='ignore')

CountFrequencyEncoder() 用类别中观察次数或百分比替换类别。

例如，在变量颜色中，如果有10个观测值是蓝色，蓝色将被替换为10。或者，如果有10%的观测值是蓝色，蓝色将被替换为0.1。

CountFrequencyEncoder() 默认只对分类变量（类型为 ‘object’ 或 ‘categorical’）进行编码。你可以传递一个变量列表进行编码。或者，编码器会找到并编码所有分类变量（类型为 ‘object’ 或 ‘categorical’）。

使用 ignore_format=True 你可以选择将数值变量也进行编码。这个过程是相同的，你可以输入要编码的变量列表，或者转换器会自动选择所有变量。

编码器首先将类别映射到每个变量的计数或频率（拟合）。然后，编码器用这些数字替换类别（转换）。

更多详情请参阅 用户指南。

参数

encoding_method: str, default=’count’

所需的编码方法。

‘count’: 每个类别的观察次数

‘frequency’: 每个类别的观察值百分比

变量: 列表, 默认=无

将要编码的分类变量的列表。如果为 None，编码器将默认查找并转换所有类型为对象或分类的变量。你也可以让转换器接受数值变量，参见参数 ignore_format。

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 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。

ignore_format: bool, default=False

此转换器仅对对象类型或分类类型的变量进行操作。要覆盖此行为并允许转换器也转换数值变量，请设置为 True。

如果 ignore_format 为 False，编码器将自动选择类型为对象或分类的变量，或检查用户输入的变量是否为对象或分类类型。如果为 True，编码器将选择所有变量或接受用户输入的所有变量，包括那些被转换为数值类型的变量。

简而言之，当你想要编码数值变量时，设置为 True。

unseen: string, default=’ignore’

指示在转换过程中遇到训练集中不存在的类别时应采取的操作。如果为 'raise'，则未见过的类别将引发错误。如果为 'ignore'，则未见过的类别将被编码为 NaN，并会引发警告。如果为 'encode'，未见过的类别将被编码为 0（零）。

属性

encoder_dict_:

按变量、按类别统计或频率的字典。

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_:

在拟合过程中使用的训练集中的特征数量。

参见

feature_engine.encoding.RareLabelEncoder

category_encoders.count.CountEncoder

注释

在编码训练集中未出现的类别时，将引入NAN。如果发生这种情况，请尝试使用RareLabelEncoder()对不常见的类别进行分组，或设置`unseen=’encode’`。

在开源包 Category encoders 中有一个类似的实现。

示例

>>> import pandas as pd
>>> from feature_engine.encoding import CountFrequencyEncoder
>>> X = pd.DataFrame(dict(x1 = [1,2,3,4], x2 = ["c", "a", "b", "c"]))
>>> cf = CountFrequencyEncoder(encoding_method='count')
>>> cf.fit(X)
>>> cf.transform(X)
   x1  x2
0   1   2
1   2   1
2   3   1
3   4   2

>>> cf = CountFrequencyEncoder(encoding_method='frequency')
>>> cf.fit(X)
>>> cf.transform(X)
   x1    x2
0   1  0.50
1   2  0.25
2   3  0.25
3   4  0.50

方法

拟合：	学习每个类别、每个变量的计数或频率。
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。
inverse_transform:	将数据转换回原始表示形式。
变换：	将类别编码为数字。

fit(X, y=None)

学习用于替换类别的计数或频率。

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: pandas Series, 默认 = None

在这个编码器中不需要 y。你可以传递 y 或 None。

fit_transform(X, y=None, **fit_params)

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类似数组的形状 (n_samples,) 或 (n_samples, n_outputs), 默认=None

目标值（无监督转换为 None）。

**fit_参数dict

附加的拟合参数。

返回

X_newndarray 数组的形状为 (n_samples, n_features_new)

转换后的数组。

get_feature_names_out(input_features=None)

获取转换后的输出特征名称。换句话说，返回转换后的数据框的变量名称。

参数

input_features数组或列表，默认=None

此参数仅为了与 Scikit-learn 管道兼容而存在。

• 如果 None，则使用 feature_names_in_ 作为特征名称。

• 如果是一个数组或列表，那么 input_features 必须与 feature_names_in_ 匹配。

返回

feature_names_out: 列表

转换后的特征名称。

rtype

List[Union[str, int]] ..

get_metadata_routing()

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)

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。

inverse_transform(X)

将编码后的变量转换回原始值。

参数

X: pandas 数据框，形状为 = [样本数, 特征数]。

转换后的数据框。

返回

X_tr: 形状为 [n_samples, n_features] 的 pandas 数据框。

未经转换的数据框，包含原始值的分类变量。

rtype

DataFrame ..

set_params(**params)

设置此估计器的参数。

该方法适用于简单的估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数

**参数dict

估计器参数。

返回

self估计器实例

估计器实例。

transform(X)

用学习到的参数替换类别。

参数

X: pandas 数据框，形状为 = [样本数, 特征数]。

要转换的数据集。

返回

X_new: 形状为 [n_samples, n_features] 的 pandas dataframe。

包含类别被数字替换的数据框。

rtype

DataFrame ..