代码之家 › 专栏 › 技术社区 › user3768495

如何将pandas操作集成到sklearn管道中

pipeline scikit-learn class pandas python

user3768495 · 技术社区 · 7 年前

我对pandas数据框有一个简单的操作,如下所示:

# initialization
dct = {1: 'A', 2:'B', 3: 'C'}
df = pd.DataFrame({'id': [1,2,3], 'value':[7,8,9]})
# actual transformation
df['newid'] = df.id.map(dct)

我想把这个转换作为sklearn管道的一部分。我找到了一些教程 here 我是说, here ,和 here 是的。但我就是不能让它为我工作。以下是我尝试过的许多版本的一个版本:

# initialization
dct = {1: 'A', 2:'B', 3: 'C'}
df = pd.DataFrame({'id': [1,2,3], 'value':[7,8,9]})

# define a class similar to those in the tutorials
class idMapper(BaseEstimator, TransformerMixin):
    def __init__(self, key='id'):
        self.key = key

    def fit(self, X, y=None):
        return self

    def transform(self, X):
        return X[key].map(dct)

# Apply the transformation
idMapper.fit_transform(df)

错误消息如下: TypeError: fit_transform() missing 1 required positional argument: 'X' 是的。有人能帮我解决这个问题并让它正常工作吗?谢谢!

1 回复 | 直到 7 年前

Jan K 7 年前

请参阅下面更正的代码版本。评论中给出的解释。

dct = {1: 'A', 2:'B', 3: 'C'}
df = pd.DataFrame({'id': [1,2,3], 'value':[7,8,9]})

# define a class similar to those in the tutorials
class idMapper(BaseEstimator, TransformerMixin):
    def __init__(self, key='id'):
        self.key = key

    def fit(self, X, y=None):
        return self

    def transform(self, X):
        return X[self.key].map(dct)  # <--- self.key

# Apply the transformation
idMapper().fit_transform(df)  # <--- need to instantiate

推荐文章