Предварительная обработка Sklearn - PolynomialFeatures - Как сохранить имена столбцов/заголовки выходного массива/dataframe
TL;DR: Как получить заголовки для вывода массива numpy из функции sklearn.preprocessing.PolynomialFeatures()?
Скажем, у меня есть следующий код...
import pandas as pd
import numpy as np
from sklearn import preprocessing as pp
a = np.ones(3)
b = np.ones(3) * 2
c = np.ones(3) * 3
input_df = pd.DataFrame([a,b,c])
input_df = input_df.T
input_df.columns=['a', 'b', 'c']
input_df
a b c
0 1 2 3
1 1 2 3
2 1 2 3
poly = pp.PolynomialFeatures(2)
output_nparray = poly.fit_transform(input_df)
print output_nparray
[[ 1. 1. 2. 3. 1. 2. 3. 4. 6. 9.]
[ 1. 1. 2. 3. 1. 2. 3. 4. 6. 9.]
[ 1. 1. 2. 3. 1. 2. 3. 4. 6. 9.]]
Как я могу получить, что матрица 3x10/output_nparray переносит метки a, b, c, как они соотносятся с данными выше?
Ответы
Ответ 1
Рабочий пример, все в одной строке (я предполагаю, что "читабельность" здесь не является целью):
target_feature_names = ['x'.join(['{}^{}'.format(pair[0],pair[1]) for pair in tuple if pair[1]!=0]) for tuple in [zip(input_df.columns,p) for p in poly.powers_]]
output_df = pd.DataFrame(output_nparray, columns = target_feature_names)
Update: as @OmerB pointed out, now you can use the get_feature_names method:
>> poly.get_feature_names(input_df.columns)
['1', 'a', 'b', 'c', 'a^2', 'a b', 'a c', 'b^2', 'b c', 'c^2']
Ответ 2
scikit-learn 0.18 добавил отличный get_feature_names() метод!
>> input_df.columns
Index(['a', 'b', 'c'], dtype='object')
>> poly.fit_transform(input_df)
array([[ 1., 1., 2., 3., 1., 2., 3., 4., 6., 9.],
[ 1., 1., 2., 3., 1., 2., 3., 4., 6., 9.],
[ 1., 1., 2., 3., 1., 2., 3., 4., 6., 9.]])
>> poly.get_feature_names(input_df.columns)
['1', 'a', 'b', 'c', 'a^2', 'a b', 'a c', 'b^2', 'b c', 'c^2']
Обратите внимание, что вы должны предоставить ему имена столбцов, поскольку sklearn не считывает их из DataFrame самостоятельно.
Ответ 3
Это работает:
def PolynomialFeatures_labeled(input_df,power):
'''Basically this is a cover for the sklearn preprocessing function.
The problem with that function is if you give it a labeled dataframe, it ouputs an unlabeled dataframe with potentially
a whole bunch of unlabeled columns.
Inputs:
input_df = Your labeled pandas dataframe (list of x not raised to any power)
power = what order polynomial you want variables up to. (use the same power as you want entered into pp.PolynomialFeatures(power) directly)
Ouput:
Output: This function relies on the powers_ matrix which is one of the preprocessing function outputs to create logical labels and
outputs a labeled pandas dataframe
'''
poly = pp.PolynomialFeatures(power)
output_nparray = poly.fit_transform(input_df)
powers_nparray = poly.powers_
input_feature_names = list(input_df.columns)
target_feature_names = ["Constant Term"]
for feature_distillation in powers_nparray[1:]:
intermediary_label = ""
final_label = ""
for i in range(len(input_feature_names)):
if feature_distillation[i] == 0:
continue
else:
variable = input_feature_names[i]
power = feature_distillation[i]
intermediary_label = "%s^%d" % (variable,power)
if final_label == "": #If the final label isn't yet specified
final_label = intermediary_label
else:
final_label = final_label + " x " + intermediary_label
target_feature_names.append(final_label)
output_df = pd.DataFrame(output_nparray, columns = target_feature_names)
return output_df
output_df = PolynomialFeatures_labeled(input_df,2)
output_df
Constant Term a^1 b^1 c^1 a^2 a^1 x b^1 a^1 x c^1 b^2 b^1 x c^1 c^2
0 1 1 2 3 1 2 3 4 6 9
1 1 1 2 3 1 2 3 4 6 9
2 1 1 2 3 1 2 3 4 6 9
Ответ 4
Это может быть так просто: -
target_feature_names = poly.get_feature_names(input_df.columns)
output_df = pd.DataFrame(output_nparray, columns = target_feature_names)
