Question

我有以下功能，我希望能够将它们链接在一起以便使用更清晰的代码：

def label_encoder(dataframe, column):
    """
    Encodes categorical variables
    """
    le = preprocessing.LabelEncoder()
    le.fit(dataframe[column])
    dataframe[column] = le.transform(dataframe[column])
    return dataframe

def remove_na_and_inf(dataframe):
    """
    Removes rows containing NaNs, inf or -inf from dataframes
    """
    dataframe.replace([np.inf, -np.inf], np.nan, inplace=True).dropna(how="all", inplace=True)
    return dataframe

def create_share_reate_vars(dataframe):
    """
    Generate share rate to use as interaction var
    """
    for interval in range(300, 3900, 300):
        interval = str(interval)
        dataframe[interval + '_share_rate'] = dataframe[interval + '_shares'] / dataframe[interval + '_video_views']
    return dataframe

def generate_logged_values(dataframe):
    """
    Generate logged values for all features which can be logged
    """
    columns = list(dataframe.columns)

    for feature in columns:
        try:
            dataframe[str(feature + '_log')] = np.log(dataframe[feature])
        except AttributeError:
            continue
    return dataframe

我想做这样的事情：

new_df = reduce(lambda x, y: y(x), reversed([label_encoder, remove_na_and_inf, create_share_reate_vars, generate_logged_values]), df)

但由于第一个函数有两个参数，因此不起作用。任何解决方案，或者可能是一个完全不同的范例？

Answer 1

您可以先使用functools.partial部分评估label_encoder，然后使用该版本解析为lambda。 E.g。

from functools import partial
fixed_col_bound_encoder = partial(label_encoder, column=2)
new_df = reduce(lambda x, y: y(x), reversed([fixed_col_bound_encoder, remove_na_and_inf, create_share_reate_vars, generate_logged_values]), df)

链接功能更清洁代码

1 个答案: