LogTransformer#
- class feature_engine.transformation.LogTransformer(variables=None, base='e')[源代码][源代码]#
LogTransformer() 将自然对数或以10为底的对数应用于数值变量。自然对数是以e为底的对数。
LogTransformer() 仅适用于正值。如果变量包含零或负值，转换器将返回错误。
可以传递一个变量列表作为参数。或者，转换器将自动选择并转换所有数值类型的变量。
更多详情请参阅 用户指南。
- 参数
- 变量: 列表, 默认=无
要转换的数值变量列表。如果为 None，转换器将自动查找并选择所有数值变量。
- base: string, default=’e’
指示是否应应用自然对数或以10为底的对数。可以取值为’e’或’10’。
- 属性
- 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。
示例
>>> import numpy as np >>> import pandas as pd >>> from feature_engine.transformation import LogTransformer >>> np.random.seed(42) >>> X = pd.DataFrame(dict(x = np.random.lognormal(size = 100))) >>> lt = LogTransformer() >>> lt.fit(X) >>> X = lt.transform(X) >>> X.head() x 0 0.496714 1 -0.138264 2 0.647689 3 1.523030 4 -0.234153
方法
拟合：
此转换器不学习参数。
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。
inverse_transform:
将数据转换回原始表示形式。
转换：
使用对数变换变量。
- fit(X, y=None)[源代码][源代码]#
此转换器不学习参数。
选择数值变量并确定是否可以在所选变量上应用对数，即检查变量是否为正。
- 参数
- X: Pandas DataFrame，形状为 [n_samples, n_features]。
训练输入样本。可以是整个数据框，而不仅仅是需要转换的变量。
- y: pandas Series, default=None
在这个转换器中不需要。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）。
- **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。
- inverse_transform(X)[源代码][源代码]#
将数据转换回原始表示形式。
- 参数
- X: Pandas DataFrame，形状为 [n_samples, n_features]
要转换的数据。
- 返回
- X_tr: pandas 数据框
包含转换变量的数据框。
- rtype
DataFrame..