DropMissingData

class feature_engine.imputation.DropMissingData(missing_only=True, threshold=None, variables=None)

DropMissingData() 删除包含缺失值的行。它提供了与 pandas.drop_na() 类似的功能，但在 fit 和 transform 框架内。

它适用于数值和分类变量。您可以输入需要删除缺失值的变量列表。或者，imputer 将查找并删除所有数据框变量中的缺失数据。

更多详情请参阅 用户指南。

参数

变量: 列表, 默认=无

要考虑插补的变量列表。如果为 None，插补器将检查数据框中所有变量的缺失数据。或者，插补器将仅评估列表中变量的缺失数据。

请注意，如果 missing_only=True，缺失的数据将从训练集中有缺失数据的变量中移除。这些变量可能是列表中指示的变量的一部分。

missing_only: bool, default=True

如果 True，在 fit() 期间显示缺失数据的变量中，行将被删除。如果 False，如果任何变量中存在缺失数据，行将被删除。此参数仅在 threshold=None 时有效，否则将被忽略。

threshold: int 或 float, default=None

要求行中非NA值的百分比以保留该行。如果 threshold=1，所有变量都需要有数据以保留该行。如果 threshold=0.5，50% 的变量需要有数据以保留该行。如果 threshold=0.01，10% 的变量需要有数据以保留该行。如果 thresh=None，任何变量中有NA的行都将被删除。

属性

变量_

将检查缺失数据的变量，以决定是否删除某一行。属性 variables_ 与参数 variables 不同，当后者为 None 时，或者当只有指示变量的一部分在训练集中显示为 NA 时（如果 missing_only=True）。

feature_names_in_:

列出在 fit 期间看到的特征名称。

n_features_in_:

在拟合过程中使用的训练集中的特征数量。

示例

>>> import pandas as pd
>>> import numpy as np
>>> from feature_engine.imputation import DropMissingData
>>> X = pd.DataFrame(dict(
>>>        x1 = [np.nan,1,1,0,np.nan],
>>>        x2 = ["a", np.nan, "b", np.nan, "a"],
>>>        ))
>>> dmd = DropMissingData()
>>> dmd.fit(X)
>>> dmd.transform(X)
    x1 x2
2  1.0  b

方法

拟合：	查找应评估缺失数据的变量。
fit_transform:	拟合数据，然后进行转换。
get_feature_names_out:	获取转换后的输出特征名称。
get_params:	获取此估计器的参数。
set_params:	设置此估计器的参数。
return_na_data:	返回一个包含缺失数据行的数据框。
转换:	删除包含缺失数据的行。
transform_x_y:	从 X 和 y 中移除包含缺失数据的行。

fit(X, y=None)

找到那些需要评估缺失数据的变量，以决定是否应删除某一行。

参数

X: pandas 数据框，形状为 [n_samples, n_features]

训练数据集。

y: pandas Series 或 dataframe, 默认=None

在这个插补中不需要 y。你可以传递 None 或 y。

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（无监督变换为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。

return_na_data(X)

返回数据框中包含缺失值的行的子集。也就是说，通过 transform() 方法将被移除的数据框子集。在生产环境中，这种方法可能很有用，例如，如果我们想要存储或记录被移除的观测值，即不会被输入模型的行。

参数

X_na: 形状为 [n_samples_with_na, features] 的 pandas dataframe

包含缺失数据行的数据框子集。

:rtype: :py:class:`~pandas.core.frame.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)

删除包含缺失数据的行。

参数

X: pandas 数据框，形状为 [n_samples, n_features]

要转换的数据框。

返回

X_new: pandas 数据框

所选变量的完整案例数据框，形状为 [n_samples - n_samples_with_na, n_features]

rtype

DataFrame ..

transform_x_y(X, y)

根据应用于 X 的变换，转换、对齐和调整 X 和 y，确保如果从 X 中删除了任何行，它们对应于相同的行集。

参数

X: pandas 数据框，形状为 [n_samples, n_features]

要转换的数据框。

y: pandas Series 或 Dataframe，长度 = n_samples

要转换的目标变量。可以是多输出的。

返回

X_new: pandas 数据框

形状为 [n_samples - n_rows, n_features] 的转换后的数据框。它可能包含比原始数据集更少的行。

y_new: pandas Series 或 DataFrame

转换后的目标变量，长度为 [n_samples - n_rows]。它包含的行数与 X_new 中剩余的行数相同。