Question

我很难理解应该如何在Sklearn中使用管道。以下是使用泰坦尼克号数据集的示例。

我希望它可以填充所有缺失的data = pd.read_csv('datasets/train.csv') cat_attribs = ["Embarked", "Cabin", "Ticket", "Name"] num_pipeline = Pipeline([ ('imputer', SimpleImputer(strategy="median")), ]) str_pipeline = Pipeline([ ('imputer', SimpleImputer(strategy="most_frequent")), ]) full_pipeline = ColumnTransformer([ ("num", num_pipeline, ["Pclass", "Age", "SibSp", "Parch", "Fare"]), ("str", str_pipeline, ["Cabin", "Sex"]), ("cat", OneHotEncoder(), ["Cabin"]), ]) full_pipeline.fit_transform(data)值（包括数字和字符串）属性，然后最终将NaN属性转换为数字属性。

相反，代码最终出现以下错误：

ValueError：输入包含NaN。如果我删除调用 OneHotEncoder并打印转换后的数组，没有NaN 值。

因此，我想知道。在这种情况下，我应该怎么打Cabin。

Answer 1

我建议将OneHotEncoder应用于所有类别变量。因此，请将其作为单独的管道。

由于这是数字列的单步处理，因此可以直接使用ColumnTransformer。

尝试一下！

from sklearn.impute import SimpleImputer
from sklearn.compose import ColumnTransformer, make_column_transformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.pipeline import Pipeline, make_pipeline

cat_preprocess = make_pipeline(SimpleImputer(strategy="most_frequent"), OneHotEncoder())

ct = make_column_transformer([
        ("num", SimpleImputer(strategy="median"), ["Pclass", "Age", "SibSp", "Parch", "Fare"]),
        ("str", cat_preprocess, ["Cabin", "Sex"]),
    ])

pipeline = Pipeline([('preprocess', ct)])

OneHotEncoder在已经调用SimpleImputer后引发NaN问题

1 个答案: