woodwork_utils

Woodwork 工具方法。

模块内容

函数

downcast_nullable_types	将 IntegerNullable、BooleanNullable 类型降级为 Double、Boolean，以便支持 ARIMA、CatBoost 和 LightGBM 等特定估计器。
infer_feature_types	从给定的列表、pandas 或 numpy 输入创建 Woodwork 结构，并指定列的类型。如果未指定列的类型，则将由 Woodwork 推断。

属性摘要

numeric_and_boolean_ww

内容

evalml.utils.woodwork_utils.downcast_nullable_types(data, ignore_null_cols=True)

将 IntegerNullable、BooleanNullable 类型降级为 Double、Boolean，以便支持 ARIMA、CatBoost 和 LightGBM 等特定估计器。

参数

• data (pd.DataFrame, pd.Series) – 特征数据。

• ignore_null_cols (bool) – 是否忽略包含空值的列的向下转型。默认为 True。

返回

返回 DataFrame 或 Series，其中包含逻辑类型信息，BooleanNullable 被转换为 Double。

返回类型

data

evalml.utils.woodwork_utils.infer_feature_types(data, feature_types=None)

从给定的列表、pandas 或 numpy 输入创建 Woodwork 结构，并指定列的类型。如果未指定列的类型，则将由 Woodwork 推断。

参数

• data (pd.DataFrame, pd.Series) – 要转换为 Woodwork 数据结构的输入数据。

• feature_types (string, ww.logical_type obj, dict, optional) – 如果 data 是二维结构，则 feature_types 必须是一个字典，将列名映射到列中表示的数据类型。如果 data 是一维结构，则 feature_types 必须是 Woodwork 逻辑类型或表示 Woodwork 逻辑类型的字符串（“Double”、“Integer”、“Boolean”、“Categorical”、“Datetime”、“NaturalLanguage”）。

返回

返回 Woodwork 数据结构，其中每列的数据类型已指定或推断。

抛出

ValueError – 如果 dataframe 与 woodwork schema 不匹配。

evalml.utils.woodwork_utils.numeric_and_boolean_ww