管道不适用于标签编码器答案

【问题标题】：Pipeline doesn't work with Label Encoder管道不适用于标签编码器
【发布时间】：2017-02-27 01:46:51
【问题描述】：

我按照下面的方式做

import pandas as pd
from sklearn import preprocessing
import sklearn
from sklearn.pipeline import Pipeline
df = pd.DataFrame({'c':['a', 'b', 'c']*4, 'd': ['m', 'f']*6})
encoding_pipeline =Pipeline([
                ('LabelEncoder', preprocessing.LabelEncoder())            
                        ])
encoding_pipeline.fit_transform(df)

和完整的追溯

TypeError                                 Traceback (most recent call last)
<ipython-input-7-0882633ccf59> in <module>()
----> 1 encoding_pipeline.fit_transform(df)

C:\Program Files\Anaconda3\lib\site-packages\sklearn\pipeline.py in fit_transform(self, X, y, **fit_params)
    183         Xt, fit_params = self._pre_transform(X, y, **fit_params)
    184         if hasattr(self.steps[-1][-1], 'fit_transform'):
--> 185             return self.steps[-1][-1].fit_transform(Xt, y, **fit_params)
    186         else:
    187             return self.steps[-1][-1].fit(Xt, y, **fit_params).transform(Xt)

TypeError: fit_transform() takes 2 positional arguments but 3 were given

怎么了？看来我必须在应用管道之前转换数据帧

【问题讨论】：

有人知道这个问题的答案吗？我想写一个管道LabelEncoder和SVM。
@KailashAhirwar 问你自己的问题，然后给我我尝试回答的链接

标签： python pipeline preprocessor

【解决方案1】：

只是一个简单的版本

import pandas as pd
from sklearn import preprocessing
import sklearn
from sklearn.pipeline import Pipeline
from sklearn.pipeline import FeatureUnion
df = pd.DataFrame({'c':['a', 'b', 'c']*4, 'd': ['m', 'f']*6})

定义如何选择变量

class ItemSelector():
    def __init__(self, key):
        self.key = key

    def fit(self, x, y=None):
        return self

    def transform(self, data_dict):
        return data_dict[self.key]

现在class 用于编码器

class MyLEncoder():

    def transform(self, X, y=None, **fit_params):
        enc = preprocessing.LabelEncoder()
        encc = enc.fit(X)
        enc_data = enc.transform(X)

        return enc_data

    def fit_transform(self, X, y=None, **fit_params):
        self.fit(X, y, **fit_params)
        return self.transform(X)

    def fit(self, X, y=None, **fit_params):
        return self

和管道

encoding_pipeline =Pipeline([
         ('union', FeatureUnion(
        transformer_list=[ 
         ('categorical', Pipeline([
                                 ('selector', ItemSelector(key='c')),

                                ('LabelEncoder', MyLEncoder()) ]))                              

]))
                     ])

和

X = df
encoding_pipeline.fit_transform(X)
array([0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64)

如果你需要使用算法你需要更多细节

【讨论】：