PowerTransformer

class feature_engine.transformation.PowerTransformer(variables=None, exp=0.5)

PowerTransformer() 对数值变量应用幂次或指数变换。

PowerTransformer() 仅适用于数值变量。

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

要转换的数值变量的列表。如果为 None，转换器将自动查找并选择所有数值变量。

exp: float 或 int, 默认值=0.5

幂（或指数）。

属性

变量_

将被转换的变量组。

feature_names_in_:

列出在 fit 期间看到的特征名称。

n_features_in_:

在拟合中使用的训练集中的特征数量。

示例

>>> import numpy as np
>>> import pandas as pd
>>> from feature_engine.transformation import PowerTransformer
>>> np.random.seed(42)
>>> X = pd.DataFrame(dict(x = np.random.lognormal(size = 100)))
>>> pt = PowerTransformer()
>>> pt.fit(X)
>>> X = pt.transform(X)
>>> X.head()
          x
0  1.281918
1  0.933203
2  1.382432
3  2.141518
4  0.889517

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:	对变量应用幂变换。

fit(X, y=None)

此转换器不学习参数。

参数

X: pandas 数据框，形状为 [n_样本, n_特征]

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)

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 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

此参数仅用于与 Scikit-learn 管道兼容。

• 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: list

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。

inverse_transform(X)

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

经过幂变换的变量的数据框。

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

自身估计器实例

估计器实例。

transform(X)

对变量应用幂变换。

参数

X: Pandas DataFrame，形状为 [n_samples, n_features]

要转换的数据。

返回

X_new: pandas 数据框

经过幂变换的变量的数据框。

rtype

DataFrame ..