make_column_selector#

class sklearn.compose.make_column_selector(pattern=None, *, dtype_include=None, dtype_exclude=None)#

创建一个可调用对象以选择与 ColumnTransformer 一起使用的列。

make_column_selector 可以根据数据类型或列名与正则表达式匹配来选择列。当使用多个选择标准时，所有标准都必须匹配才能选择列。

有关如何在使用数据类型（即 dtype ）的 ColumnTransformer 中使用 make_column_selector 选择列的示例，请参阅带有混合类型的列转换器。

Parameters:

patternstr, default=None: 包含此正则表达式模式的列名将被包含。如果为 None，则不会基于模式选择列。
dtype_include列数据类型或列数据类型列表, default=None: 要包含的数据类型选择。有关更多详细信息，请参阅 pandas.DataFrame.select_dtypes 。
dtype_exclude列数据类型或列数据类型列表, default=None: 要排除的数据类型选择。有关更多详细信息，请参阅 pandas.DataFrame.select_dtypes 。

Returns:

selectorcallable: 用于列选择的可调用对象，供 ColumnTransformer 使用。

See also

ColumnTransformer: 类，允许将多个转换器对象用于数据列子集的输出组合到一个特征空间中。

Examples

>>> from sklearn.preprocessing import StandardScaler, OneHotEncoder
>>> from sklearn.compose import make_column_transformer
>>> from sklearn.compose import make_column_selector
>>> import numpy as np
>>> import pandas as pd  
>>> X = pd.DataFrame({'city': ['London', 'London', 'Paris', 'Sallisaw'],
...                   'rating': [5, 3, 4, 5]})  
>>> ct = make_column_transformer(
...       (StandardScaler(),
...        make_column_selector(dtype_include=np.number)),  # rating
...       (OneHotEncoder(),
...        make_column_selector(dtype_include=object)))  # city
>>> ct.fit_transform(X)  
array([[ 0.90453403,  1.        ,  0.        ,  0.        ],
       [-1.50755672,  1.        ,  0.        ,  0.        ],
       [-0.30151134,  0.        ,  1.        ,  0.        ],
       [ 0.90453403,  0.        ,  0.        ,  1.        ]])