EndTailImputer#
- class feature_engine.imputation.EndTailImputer(imputation_method='gaussian', tail='right', fold=3, variables=None)[源代码][源代码]#
EndTailImputer() 通过分布两端的值来替换缺失数据。它仅适用于数值变量。
你可以在列表中指定要插补的变量。或者，EndTailImputer() 将自动选择所有数值变量。
输入器首先计算每个变量在分布末端的值（拟合）。分布末端的值是使用高斯限制、IQR接近规则限制或最大值的因子来确定的：
- 高斯极限：
右尾: 均值 + 3*标准差
左尾: 均值 - 3*标准差
- IQR 限制：
右尾: 75%分位数 + 3*IQR
左尾: 25%分位数 - 3*IQR
其中 IQR 是四分位距 = 第75百分位数 - 第25百分位数
- 最大值：
右尾: 最大值 * 3
左尾：不适用
你可以通过参数
fold来改变乘以标准差、四分位距或最大值的因子（我们在上面的例子中使用了fold=3）。然后，输入器用估计的值替换缺失的数据（转换）。
更多详情请参阅 用户指南。
- 参数
- imputation_method: str, default=’gaussian’
用于查找替换值的方法。可以取 ‘gaussian’, ‘iqr’ 或 ‘max’。
‘gaussian’: 该插补器将使用高斯极限来寻找替换缺失数据的值。
‘iqr’: 输入器将使用 IQR 限制来找到替换缺失数据的值。
‘max’：输入器将使用最大值来替换缺失数据。注意，如果传递了 ‘max’，参数 ‘tail’ 将被忽略。
- tail: str, default=’right’
指示是否应从变量分布的右侧或左侧尾部选择替换缺失数据的值。可以取值 ‘left’ 或 ‘right’。
- fold: int, default=3
乘以标准差、四分位距或最大值的因子。对于高斯分布，推荐值为2或3；对于四分位距，推荐值为1.5或3。
- 变量: 列表, 默认=无
要转换的数值变量的列表。如果为 None，转换器将自动查找并选择所有数值变量。
- 属性
- imputer_dict_:
包含用于替换每个变量中缺失数据的值的字典。
- 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 EndTailImputer >>> X = pd.DataFrame(dict(x1 = [np.nan,0.5, 0.5, 0,np.nan])) >>> eti = EndTailImputer(imputation_method='gaussian', tail='right', fold=3) >>> eti.fit(X) >>> eti.transform(X) x1 0 1.199359 1 0.500000 2 0.500000 3 0.000000 4 1.199359
方法
拟合：
学习替换缺失数据的值。
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。
设置参数:
设置此估计器的参数。
转换：
填补缺失数据。
- fit(X, y=None)[源代码][源代码]#
学习变量分布末端的值。
- 参数
- X: pandas 数据框，形状为 = [样本数, 特征数]
训练数据集。
- y: pandas Series, default=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)[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_paramsdict
附加的拟合参数。
- 返回
- X_newndarray 数组，形状为 (n_samples, n_features_new)
变换后的数组。
- 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。