DropFeatures#
- class feature_engine.selection.DropFeatures(features_to_drop)[源代码][源代码]#
DropFeatures() 从数据框中删除用户指定的一组变量。
更多详情请参阅 用户指南。
- 参数
- features_to_drop: str 或 list
要从数据框中删除的变量
- 属性
- features_to_drop_：
将被移除的功能。
- 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 >>> from feature_engine.selection import DropFeatures >>> X = pd.DataFrame(dict(x1 = [1,2,3,4], >>> x2 = ["a", "a", "b", "c"], >>> x3 = [True, False, False, True])) >>> df = DropFeatures(features_to_drop=["x2"]) >>> df.fit_transform(X) x1 x3 0 1 True 1 2 False 2 3 False 3 4 True
方法
拟合：
此转换器不学习任何参数。
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。
获取支持：
获取所选特征的掩码或整数索引。
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：
删除指示的功能。
- fit(X, y=None)[源代码][源代码]#
此转换器不学习任何参数。
- 参数
- Xpandas 数据框，形状为 = [样本数, 特征数]
输入数据框
- ypandas Series，默认 = None
这个转换器不需要 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）。
- **拟合参数字典
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
- 参数字典
参数名称映射到它们的值。
- get_support(indices=False)[源代码]#
获取所选特征的掩码或整数索引。
- 参数
- 索引bool, 默认=False
如果为真，返回值将是一个整数数组，而不是布尔掩码。
- 返回
- 支持数组
一个从特征向量中选择保留特征的索引。如果
indices为 False，这是一个形状为 [# 输入特征] 的布尔数组，其中元素为 True 表示其对应的特征被选择保留。如果indices为 True，这是一个形状为 [# 输出特征] 的整数数组，其值为输入特征向量中的索引。