ColumnTransformer#

class sklearn.compose.ColumnTransformer(transformers, *, remainder='drop', sparse_threshold=0.3, n_jobs=None, transformer_weights=None, verbose=False, verbose_feature_names_out=True, force_int_remainder_cols=True)#

应用转换器到数组或pandas DataFrame的列。

这个估计器允许输入的不同列或列子集分别进行转换，并且每个转换器生成的特征将被连接起来形成一个单一的特征空间。这对于异构或列数据非常有用，可以将多个特征提取机制或转换组合成一个转换器。

更多信息请参阅用户指南。

Added in version 0.20.

Parameters:

transformers元组列表

指定要应用于数据子集的转换器对象的 (name, transformer, columns) 元组列表。

namestr: 类似于 Pipeline 和 FeatureUnion，这允许使用 set_params 设置转换器及其参数，并在网格搜索中进行搜索。
transformer{‘drop’, ‘passthrough’} 或估计器: 估计器必须支持 fit 和 transform 。特殊字符串 ‘drop’ 和 ‘passthrough’ 也可以接受，分别表示删除列或不进行转换直接传递。
columnsstr, str 的类数组, int, int 的类数组, 类数组的 bool, slice 或 callable: 索引数据的第二轴。整数被解释为位置列，而字符串可以按名称引用 DataFrame 列。在 transformer 期望 X 为 1d 类数组（向量）的地方，应使用标量字符串或 int，否则将传递 2d 数组给转换器。可调用对象传递输入数据 X 并可以返回上述任何内容。要按名称或 dtype 选择多列，可以使用 make_column_selector 。

remainder{‘drop’, ‘passthrough’} 或估计器, default=’drop’

默认情况下，仅在 transformers 中指定的列被转换并组合到输出中，未指定的列被删除（默认值为 'drop' ）。通过指定 remainder='passthrough' ，所有在 transformers 中未指定但在传递给 fit 的数据中存在的列将自动传递。这个列子集与转换器的输出连接在一起。对于数据框，在 fit 期间未见到的额外列将在 transform 的输出中被排除。通过将 remainder 设置为估计器，未指定的列将使用 remainder 估计器。估计器必须支持 fit 和 transform 。注意，使用此功能需要 DataFrame 列在 fit 和 transform 输入时的顺序相同。

sparse_thresholdfloat, default=0.3

如果不同转换器的输出包含稀疏矩阵，如果总体密度低于此值，这些矩阵将堆叠为稀疏矩阵。使用 sparse_threshold=0 始终返回密集矩阵。当转换的输出全部为密集数据时，堆叠结果将为密集矩阵，此关键字将被忽略。

n_jobsint, default=None

并行运行的作业数。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。更多详情请参阅 Glossary 。

transformer_weightsdict, default=None

每个转换器的特征乘法权重。转换器的输出将乘以这些权重。键是转换器名称，值是权重。

verbosebool, default=False

如果为 True，将在每个转换器完成时打印所用的时间。

verbose_feature_names_outbool, default=True

如果为 True，ColumnTransformer.get_feature_names_out 将在所有特征名称前加上生成该特征的转换器名称。如果为 False，ColumnTransformer.get_feature_names_out 将不添加任何特征名称前缀，并且在特征名称不唯一时会报错。

Added in version 1.0.

force_int_remainder_colsbool, default=True

强制 transformers_ 的最后一个条目的列始终存储为索引（int）而不是列名（str）。详见 transformers_ 属性的描述。

Note

如果您不访问 transformers_ 拟合属性中剩余列的列列表，则不需要设置此参数。

Added in version 1.5.

Changed in version 1.7: force_int_remainder_cols 的默认值将从 True 更改为 False 在版本 1.7 中。

Attributes:

transformers_列表: 拟合转换器的集合，作为 (name, fitted_transformer, column) 元组。 fitted_transformer 可以是估计器，或 'drop' ； 'passthrough' 被替换为等效的 FunctionTransformer 。在未选择列的情况下，这将是不拟合的转换器。如果有剩余列，最后一个元素是 (‘remainder’, transformer, remaining_columns) 形式，对应于 remainder 参数。如果有剩余列，则 len(transformers_)==len(transformers)+1 ，否则 len(transformers_)==len(transformers) 。

Changed in version 1.5: 如果有剩余列且 force_int_remainder_cols 为 True，剩余列始终以其输入 X 中的位置索引表示（如旧版本）。如果 force_int_remainder_cols 为 False，格式尝试匹配其他转换器的格式：如果所有列都以列名 ( str ) 提供，剩余列存储为列名；如果所有列都以掩码数组 ( bool ) 提供，剩余列也是如此；在所有其他情况下，剩余列存储为索引 ( int )。
named_transformers_Bunch: 访问按名称拟合的转换器。
sparse_output_bool: 布尔标志，指示 transform 的输出是稀疏矩阵还是密集 numpy 数组，这取决于单个转换器的输出和 sparse_threshold 关键字。
output_indices_dict: 每个转换器名称到切片的字典，切片对应于转换输出的索引。这有助于检查哪个转换器负责哪些转换特征。

Added in version 1.0.
n_features_in_int: 在 fit 期间看到的特征数。仅在底层转换器在拟合时暴露此属性时定义。

Added in version 0.24.
feature_names_in_ndarray of shape ( n_features_in_ ,): 在 fit 期间看到的特征名称。仅当 X 的特征名称均为字符串时定义。

Added in version 1.0.

See also

make_column_transformer: 方便函数，用于将多个转换器对象应用于原始特征空间列子集的输出组合。
make_column_selector: 方便函数，用于基于数据类型或列名与正则表达式模式选择列。

Notes

转换特征矩阵中的列顺序遵循 transformers 列表中列的指定顺序。原始特征矩阵中未指定的列将从结果转换特征矩阵中删除，除非在 passthrough 关键字中指定。使用 passthrough 指定的列将添加到转换器的输出右侧。

Examples

>>> import numpy as np
>>> from sklearn.compose import ColumnTransformer
>>> from sklearn.preprocessing import Normalizer
>>> ct = ColumnTransformer(
...     [("norm1", Normalizer(norm='l1'), [0, 1]),
...      ("norm2", Normalizer(norm='l1'), slice(2, 4))])
>>> X = np.array([[0., 1., 2., 2.],
...               [1., 1., 0., 1.]])
>>> # Normalizer scales each row of X to unit norm. A separate scaling
>>> # is applied for the two first and two last elements of each
>>> # row independently.
>>> ct.fit_transform(X)
array([[0. , 1. , 0.5, 0.5],
       [0.5, 0.5, 0. , 1. ]])

ColumnTransformer 可以通过将列设置为字符串来配置需要 1d 数组的转换器：

>>> from sklearn.feature_extraction.text import CountVectorizer
>>> from sklearn.preprocessing import MinMaxScaler
>>> import pandas as pd   
>>> X = pd.DataFrame({
...     "documents": ["First item", "second one here", "Is this the last?"],
...     "width": [3, 4, 5],
... })  
>>> # "documents" 是一个字符串，配置 ColumnTransformer 将 documents 列作为 1d 数组传递给 CountVectorizer
>>> ct = ColumnTransformer(
...     [("text_preprocess", CountVectorizer(), "documents"),
...      ("num_preprocess", MinMaxScaler(), ["width"])])
>>> X_trans = ct.fit_transform(X)  

有关更详细的示例，请参阅带有混合类型的列转换器。

fit(X, y=None, **params)#

拟合所有转换器使用X。

Parameters:

X{array-like, dataframe}，形状为 (n_samples, n_features)

输入数据，其中指定的子集用于拟合转换器。

y形状为 (n_samples,…) 的 array-like，默认=None

监督学习的目标。

**paramsdict，默认=None

要传递给底层转换器的 fit 和 transform 方法的参数。

只有在启用元数据路由时才能传递此参数，您可以使用 sklearn.set_config(enable_metadata_routing=True) 启用。

Added in version 1.4.

Returns:

selfColumnTransformer: 此估计器。

fit_transform(X, y=None, **params)#

拟合所有转换器，转换数据并连接结果。

Parameters:

X{array-like, dataframe}，形状为 (n_samples, n_features)

输入数据，其中指定的子集用于拟合转换器。

yarray-like，形状为 (n_samples,)，默认=None

监督学习的目标。

**paramsdict，默认=None

要传递给底层转换器的 fit 和 transform 方法的参数。

只有在启用元数据路由时才能传递此参数，您可以使用 sklearn.set_config(enable_metadata_routing=True) 启用。

Added in version 1.4.

Returns:

X_t{array-like, sparse matrix}，形状为 (n_samples, sum_n_components): 转换器的水平堆叠结果。sum_n_components 是转换器上 n_components（输出维度）的总和。如果任何结果是稀疏矩阵，则所有结果都将转换为稀疏矩阵。

get_feature_names_out(input_features=None)#

获取变换后的输出特征名称。

Parameters:

input_features字符串的数组或None，默认=None

输入特征。

如果 input_features 是 None ，则使用 feature_names_in_ 作为输入特征名称。如果 feature_names_in_ 未定义，则生成以下输入特征名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] 。
如果 input_features 是数组，则 input_features 必须与 feature_names_in_ 匹配（如果 feature_names_in_ 已定义）。

Returns:

feature_names_out字符串对象的ndarray: 变换后的特征名称。

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。

Added in version 1.4.

Returns:

routingMetadataRouter: MetadataRouter 封装的路由信息。

get_params(deep=True)#

获取此估计器的参数。

返回在构造函数中给出的参数以及 ColumnTransformer 的 transformers 中包含的估计器的参数。

Parameters:

deepbool, default=True: 如果为True，将返回此估计器及其包含的作为估计器的子对象的参数。

Returns:

paramsdict: 参数名称映射到它们的值。

property named_transformers_#

访问按名称拟合的转换器。

只读属性，用于按给定名称访问任何转换器。键是转换器名称，值是拟合的转换器对象。

set_output(*, transform=None)#

设置在调用 "transform" 和 "fit_transform" 时的输出容器。

调用 set_output 将设置 transformers 和 transformers_ 中所有估计器的输出。

Parameters:

transform{“default”, “pandas”, “polars”}, default=None

配置 transform 和 fit_transform 的输出。

"default" : 转换器的默认输出格式
"pandas" : DataFrame 输出
"polars" : Polars 输出
None : 转换配置不变

Added in version 1.4: "polars" 选项已添加。

Returns:

selfestimator instance: 估计器实例。

set_params(**kwargs)#

设置此估计器的参数。

可以使用 get_params() 列出有效的参数键。请注意，您可以直接设置 ColumnTransformer 的 transformers 中包含的估计器的参数。

Parameters:

**kwargsdict: 估计器参数。

Returns:

selfColumnTransformer: 此估计器。

transform(X, **params)#

将X分别通过每个转换器进行转换，并将结果连接起来。

Parameters:

X{array-like, dataframe} of shape (n_samples, n_features)

要通过子集转换的数据。

**paramsdict, default=None

要传递给底层转换器的 transform 方法的参数。

只有在启用元数据路由的情况下才能传递此参数，可以使用 sklearn.set_config(enable_metadata_routing=True) 启用。

Added in version 1.4.

Returns:

X_t{array-like, sparse matrix} of shape (n_samples, sum_n_components): 转换器的水平堆叠结果。sum_n_components是转换器的n_components（输出维度）之和。如果任何结果是稀疏矩阵，则所有内容都将转换为稀疏矩阵。