如何使FeatureUnion返回Dataframe

Question

所以我目前有一个拥有大量客户变压器的管道：

p = Pipeline([
("GetTimeFromDate",TimeTransformer("Date")), #Custom Transformer that adds ["time"] column
("GetZipFromAddress",ZipTransformer("Address")), #Custom Transformer that adds ["zip"] column
("GroupByTimeandZip",GroupByTransformer(["time","zip"]) #Custom Transformer that adds onehot columns
])

每个变换器都接收一个pandas数据帧，并返回带有一个或多个新列的相同数据帧。它实际上工作得很好，但我如何并行运行“GetTimeFromDate”和“GetZipFromAddress”步骤？

我想使用FeatureUnion：

f = FeatureUnion([  
("GetTimeFromDate",TimeTransformer("Date")), #Custom Transformer that adds ["time"] column
("GetZipFromAddress",ZipTransformer("Address")), #Custom Transformer that adds ["zip"] column])
])

p = Pipeline([
("FeatureUnionStep",f),
("GroupByTimeandZip",GroupByTransformer(["time","zip"]) #Custom Transformer that adds onehot columns
])

但问题是FeatureUnion返回一个numpy.ndarray，但“GroupByTimeandZip”步骤需要一个数据帧。

有没有办法让FeatureUnion返回pandas数据帧？

Answer 1

要让FeatureUnion输出DataFrame，可以使用此blog post中的PandasFeatureUnion。另请参见gist。