find_categorical_and_numerical_variables#

使用 find_categorical_and_numerical_variables() ，您可以分别在两个单独的列表中自动捕获数据集中所有分类变量和数值变量的名称。

让我们创建一个包含数值、分类和日期时间变量的玩具数据集：

import pandas as pd
from sklearn.datasets import make_classification

X, y = make_classification(
    n_samples=1000,
    n_features=4,
    n_redundant=1,
    n_clusters_per_class=1,
    weights=[0.50],
    class_sep=2,
    random_state=1,
)

# transform arrays into pandas df and series
colnames = [f"num_var_{i+1}" for i in range(4)]
X = pd.DataFrame(X, columns=colnames)

X["cat_var1"] = ["Hello"] * 1000
X["cat_var2"] = ["Bye"] * 1000

X["date1"] = pd.date_range("2020-02-24", periods=1000, freq="T")
X["date2"] = pd.date_range("2021-09-29", periods=1000, freq="H")
X["date3"] = ["2020-02-24"] * 1000

print(X.head())

下面我们看到生成的数据框：

   num_var_1  num_var_2  num_var_3  num_var_4 cat_var1 cat_var2  \
0  -1.558594   1.634123   1.556932   2.869318    Hello      Bye
1   1.499925   1.651008   1.159977   2.510196    Hello      Bye
2   0.277127  -0.263527   0.532159   0.274491    Hello      Bye
3  -1.139190  -1.131193   2.296540   1.189781    Hello      Bye
4  -0.530061  -2.280109   2.469580   0.365617    Hello      Bye

                date1               date2       date3
0 2020-02-24 00:00:00 2021-09-29 00:00:00  2020-02-24
1 2020-02-24 00:01:00 2021-09-29 01:00:00  2020-02-24
2 2020-02-24 00:02:00 2021-09-29 02:00:00  2020-02-24
3 2020-02-24 00:03:00 2021-09-29 03:00:00  2020-02-24
4 2020-02-24 00:04:00 2021-09-29 04:00:00  2020-02-24

我们现在可以使用 find_categorical_and_numerical_variables() 来分别捕获分类变量和数值变量。所以让我们这样做，然后显示这些列表：

from feature_engine.variable_handling import find_categorical_and_numerical_variables

var_cat, var_num = find_categorical_and_numerical_variables(X)

var_cat, var_num

下面我们看到了分类变量的名称，随后是数值变量的名称：

(['cat_var1', 'cat_var2'],
 ['num_var_1', 'num_var_2', 'num_var_3', 'num_var_4'])

我们也可以使用 find_categorical_and_numerical_variables() 并传入一个变量列表，来识别它们的类型：

var_cat, var_num = find_categorical_and_numerical_variables(X, ["num_var_1", "cat_var1"])

var_cat, var_num

我们看到了下面的结果列表：

(['cat_var1'], ['num_var_1'])

如果我们传递一个既不是数值类型也不是类别类型的变量，find_categorical_and_numerical_variables() 将返回一个错误：

find_categorical_and_numerical_variables(X, ["num_var_1", "cat_var1", "date1"])

错误信息下方：

TypeError: Some of the variables are neither numerical nor categorical.
显示源代码