sklearn Pipeline和DataFrameMapper之间的区别是什么？

Question

Sklearn Pipeline：http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper：https://github.com/paulgb/sklearn-pandas

它们之间的区别是什么？

在我看来，sklearn管道具有更多功能，但DataFrameMapper对我来说更加干净。

Answer 1

基本上，DataFrameMapper（和整个sklearn-pandas包）旨在将pandas DataFrame对象的好处与sklearn机器学习包的强大功能结合起来。

sklearn.Pipeline描述了要对矩阵格式执行的转换的有序列表（由numpy和scipy包提供）。这些转换将在序列中一个接一个地在整个矩阵上执行，并将从头到尾编码整个训练和预测过程。

管道转换（又称步骤）元组的第一部分是它的名称，它对过程没有实际影响，它只是用于可读性。

另一方面，DataFrameMapper对由pandas包创建的DataFrame对象进行操作，并且可以将转换应用于数据帧的某些部分（不一定在整个数据集上）。 DataFrame类似于numpy和scipy矩阵，跟踪行和列标签和元数据有一个明显的区别。 DataFrames操作将确保使用逻辑标识而不是索引来访问，操作和读取行和列。

DataFrameMapper转换元组的第一部分描述了应该通过转换运行哪些列。

三大区别是：

1. DataFrameMapper是一个更灵活的工具，它可以让你在不同的列上执行不同的转换，更倾向于转换复杂的数据结构，而sklearn.Pipeline更倾向于执行机器学习相关同构数据集上的转换。
2. DataFrameMapper将允许您保留已分配给您的pandas DataFrame对象的注释和标签，而sklearn.Pipeline会将任何结果“减少”为numpy / scipy数组/基质
3. sklearn.Pipeline是一个更稳定和众所周知的软件包的一部分，因此如果稳定性和维护等考虑因素很重要，那么它可能是“更安全”的选择。