列选择器#

初始化一个转换器，用于选择输入数据中指定的列。

模块内容#

类摘要#

`ColumnSelector`	初始化一个转换器，用于选择输入数据中指定的列。
`DropColumns`	删除输入数据中指定的列。
`SelectByType`	根据指定的 Woodwork 逻辑类型或语义标签选择输入数据中的列。
`SelectColumns`	选择输入数据中指定的列。

目录#

class evalml.pipelines.components.transformers.column_selectors.ColumnSelector(columns=None, random_seed=0, **kwargs)[source]#

初始化一个转换器，用于选择输入数据中指定的列。

参数

columns (list(string)) – 列名列表，用于确定要选择哪些列。
random\_seed (int) – 随机数生成器的种子。默认为 0。

属性

modifies\_features	True
modifies\_target	False
training\_only	False

方法

`clone`	构建一个具有相同参数和随机状态的新组件。
`default\_parameters`	返回此组件的默认参数。
`describe`	描述组件及其参数。
`fit`	通过检查列名是否存在于数据集中来拟合转换器。
`fit\_transform`	对 X 进行拟合并转换 X。
`load`	从文件路径加载组件。
`name`	返回此组件的字符串名称。
`needs\_fitting`	返回布尔值，指示组件在调用 predict、predict\_proba、transform 或 feature\_importances 之前是否需要拟合。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	使用拟合的列选择器组件转换数据。
`update\_parameters`	更新组件的参数字典。

clone(self)#

构建一个具有相同参数和随机状态的新组件。

返回: 此组件的一个新实例，具有相同的参数和随机状态。

default\_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default\_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

print\_name (bool, optional) – 是否打印组件名称
return\_dict (bool, optional) – 是否将描述作为字典返回，格式为 {"name": name, "parameters": parameters}

返回

如果 return\_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[source]#

通过检查列名是否存在于数据集中来拟合转换器。

参数

X (pd.DataFrame) – 要检查的数据。
y (pd.Series, ignored) – 目标变量。

返回

self

fit\_transform(self, X, y=None)#

对 X 进行拟合并转换 X。

参数

X (pd.DataFrame) – 用于拟合并转换的数据。
y (pd.Series) – 目标数据。

返回

转换后的 X。

返回类型

pd.DataFrame

引发

MethodPropertyNotFoundError – 如果转换器没有 transform 方法或实现 transform 的 component\_obj。

static load(file_path)#

从文件路径加载组件。

参数: file\_path (str) – 文件加载位置。
返回: ComponentBase 对象

property name(cls)#: 返回此组件的字符串名称。

needs\_fitting(self)#

返回布尔值，指示组件在调用 predict、predict\_proba、transform 或 feature\_importances 之前是否需要拟合。

对于不需要拟合或其 fit 方法不执行任何操作的组件，可以将其覆盖为 False。

返回: True。

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file\_path (str) – 文件保存位置。
pickle\_protocol (int) – Pickle 数据流格式。

transform(self, X, y=None)[source]#

使用拟合的列选择器组件转换数据。

参数

X (pd.DataFrame) – 输入训练数据，形状为 [n\_samples, n\_features]。
y (pd.Series, optional) – 目标训练数据，长度为 [n\_samples]。

返回

转换后的数据。

返回类型

pd.DataFrame

update\_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update\_dict (dict) – 要更新的参数字典。
reset\_fit (bool, optional) – 如果为 True，将设置 \_is\_fitted 为 False。

class evalml.pipelines.components.transformers.column_selectors.DropColumns(columns=None, random_seed=0, **kwargs)[source]#

删除输入数据中指定的列。

参数

columns (list(string)) – 列名列表，用于确定要删除哪些列。
random\_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter\_ranges	{}
modifies\_features	True
modifies\_target	False
name	删除列转换器
needs\_fitting	False
training\_only	False

方法

`clone`	构建一个具有相同参数和随机状态的新组件。
`default\_parameters`	返回此组件的默认参数。
`describe`	描述组件及其参数。
`fit`	通过检查列名是否存在于数据集中来拟合转换器。
`fit\_transform`	对 X 进行拟合并转换 X。
`load`	从文件路径加载组件。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	通过删除列来转换数据 X。
`update\_parameters`	更新组件的参数字典。

clone(self)#

构建一个具有相同参数和随机状态的新组件。

返回: 此组件的一个新实例，具有相同的参数和随机状态。

default\_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default\_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

print\_name (bool, optional) – 是否打印组件名称
return\_dict (bool, optional) – 是否将描述作为字典返回，格式为 {"name": name, "parameters": parameters}

返回

如果 return\_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)#

通过检查列名是否存在于数据集中来拟合转换器。

参数

X (pd.DataFrame) – 要检查的数据。
y (pd.Series, ignored) – 目标变量。

返回

self

fit\_transform(self, X, y=None)#

对 X 进行拟合并转换 X。

参数

X (pd.DataFrame) – 用于拟合并转换的数据。
y (pd.Series) – 目标数据。

返回

转换后的 X。

返回类型

pd.DataFrame

引发

MethodPropertyNotFoundError – 如果转换器没有 transform 方法或实现 transform 的 component\_obj。

static load(file_path)#

从文件路径加载组件。

参数: file\_path (str) – 文件加载位置。
返回: ComponentBase 对象

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file\_path (str) – 文件保存位置。
pickle\_protocol (int) – Pickle 数据流格式。

transform(self, X, y=None)[source]#

通过删除列来转换数据 X。

参数

X (pd.DataFrame) – 要转换的数据。
y (pd.Series, optional) – 目标变量。

返回

转换后的 X。

返回类型

pd.DataFrame

update\_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update\_dict (dict) – 要更新的参数字典。
reset\_fit (bool, optional) – 如果为 True，将设置 \_is\_fitted 为 False。

class evalml.pipelines.components.transformers.column_selectors.SelectByType(column_types=None, exclude=False, random_seed=0, **kwargs)[source]#

根据指定的 Woodwork 逻辑类型或语义标签选择输入数据中的列。

参数

column\_types (string, ww.LogicalType, list(string), list(ww.LogicalType)) – Woodwork 类型或标签列表，用于确定要选择或排除哪些列。
exclude (bool) – 如果为 true，则排除指定的 column\_types 而不是包含它们。默认为 False。
random\_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter\_ranges	{}
modifies\_features	True
modifies\_target	False
name	按类型选择列转换器
needs\_fitting	False
training\_only	False

方法

`clone`	构建一个具有相同参数和随机状态的新组件。
`default\_parameters`	返回此组件的默认参数。
`describe`	描述组件及其参数。
`fit`	通过检查列名是否存在于数据集中来拟合转换器。
`fit\_transform`	对 X 进行拟合并转换 X。
`load`	从文件路径加载组件。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	通过选择列来转换数据 X。
`update\_parameters`	更新组件的参数字典。

clone(self)#

构建一个具有相同参数和随机状态的新组件。

返回: 此组件的一个新实例，具有相同的参数和随机状态。

default\_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default\_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

print\_name (bool, optional) – 是否打印组件名称
return\_dict (bool, optional) – 是否将描述作为字典返回，格式为 {"name": name, "parameters": parameters}

返回

如果 return\_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[source]#

通过检查列名是否存在于数据集中来拟合转换器。

参数

X (pd.DataFrame) – 要检查的数据。
y (pd.Series, ignored) – 目标变量。

返回

self

fit\_transform(self, X, y=None)#

对 X 进行拟合并转换 X。

参数

X (pd.DataFrame) – 用于拟合并转换的数据。
y (pd.Series) – 目标数据。

返回

转换后的 X。

返回类型

pd.DataFrame

引发

MethodPropertyNotFoundError – 如果转换器没有 transform 方法或实现 transform 的 component\_obj。

static load(file_path)#

从文件路径加载组件。

参数: file\_path (str) – 文件加载位置。
返回: ComponentBase 对象

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file\_path (str) – 文件保存位置。
pickle\_protocol (int) – Pickle 数据流格式。

transform(self, X, y=None)[source]#

通过选择列来转换数据 X。

参数

X (pd.DataFrame) – 要转换的数据。
y (pd.Series, optional) – 目标变量。

返回

转换后的 X。

返回类型

pd.DataFrame

update\_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update\_dict (dict) – 要更新的参数字典。
reset\_fit (bool, optional) – 如果为 True，将设置 \_is\_fitted 为 False。

class evalml.pipelines.components.transformers.column_selectors.SelectColumns(columns=None, random_seed=0, **kwargs)[source]#

选择输入数据中指定的列。

参数

columns (list(string)) – 列名列表，用于确定要选择哪些列。如果列不存在，则不会选择。
random\_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter\_ranges	{}
modifies\_features	True
modifies\_target	False
name	选择列转换器
needs\_fitting	False
training\_only	False

方法

`clone`	构建一个具有相同参数和随机状态的新组件。
`default\_parameters`	返回此组件的默认参数。
`describe`	描述组件及其参数。
`fit`	通过检查列名是否存在于数据集中来拟合转换器。
`fit\_transform`	对 X 进行拟合并转换 X。
`load`	从文件路径加载组件。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	使用拟合的列选择器组件转换数据。
`update\_parameters`	更新组件的参数字典。

clone(self)#

构建一个具有相同参数和随机状态的新组件。

返回: 此组件的一个新实例，具有相同的参数和随机状态。

default\_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default\_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述组件及其参数。

参数

print\_name (bool, optional) – 是否打印组件名称
return\_dict (bool, optional) – 是否将描述作为字典返回，格式为 {"name": name, "parameters": parameters}

返回

如果 return\_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[source]#

通过检查列名是否存在于数据集中来拟合转换器。

参数

X (pd.DataFrame) – 要检查的数据。
y (pd.Series, optional) – 目标变量。

返回

self

fit\_transform(self, X, y=None)#

对 X 进行拟合并转换 X。

参数

X (pd.DataFrame) – 用于拟合并转换的数据。
y (pd.Series) – 目标数据。

返回

转换后的 X。

返回类型

pd.DataFrame

引发

MethodPropertyNotFoundError – 如果转换器没有 transform 方法或实现 transform 的 component\_obj。

static load(file_path)#

从文件路径加载组件。

参数: file\_path (str) – 文件加载位置。
返回: ComponentBase 对象

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file\_path (str) – 文件保存位置。
pickle\_protocol (int) – Pickle 数据流格式。

transform(self, X, y=None)#

使用拟合的列选择器组件转换数据。

参数

X (pd.DataFrame) – 输入训练数据，形状为 [n\_samples, n\_features]。
y (pd.Series, optional) – 目标训练数据，长度为 [n\_samples]。

返回

转换后的数据。

返回类型

pd.DataFrame

update\_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update\_dict (dict) – 要更新的参数字典。
reset\_fit (bool, optional) – 如果为 True，将设置 \_is\_fitted 为 False。