DictVectorizer#
- class sklearn.feature_extraction.DictVectorizer(*, dtype=<class 'numpy.float64'>, separator='=', sparse=True, sort=True)[source]#
将特征-值映射列表转换为向量。
此转换器将特征名称到特征值的映射列表（字典类对象）转换为 Numpy 数组或 scipy.sparse 矩阵，以便与 scikit-learn 估计器一起使用。
当特征值为字符串时，此转换器将进行二元独热（也称为 one-of-K）编码：为特征可能采取的每个字符串值构建一个布尔值特征。例如，一个可以取值“ham”和“spam”的特征“f”在输出中将变为两个特征，一个表示“f=ham”，另一个表示“f=spam”。
如果特征值是字符串序列或字符串集，此转换器将遍历这些值并计算每个字符串值的出现次数。
然而，请注意，此转换器仅在特征值为字符串类型时才执行二元独热编码。如果分类特征表示为数值（如整数）或字符串的可迭代对象，则可以在 DictVectorizer 之后使用
OneHotEncoder来完成二元独热编码。未在样本（映射）中出现的特征在生成的数组/矩阵中将具有零值。
有关不同特征提取器的效率比较，请参阅 FeatureHasher 和 DictVectorizer 比较。
在 用户指南 中阅读更多信息。
- 参数:
- dtype数据类型, 默认值=np.float64
特征值的类型。作为 dtype 参数传递给 Numpy 数组/scipy.sparse 矩阵构造函数。
- separator字符串, 默认值=”=”
在为独热编码构建新特征时使用的分隔符字符串。
- sparse布尔值, 默认值=True
transform 是否应生成 scipy.sparse 矩阵。
- sort布尔值, 默认值=True
在拟合时，
feature_names_和vocabulary_是否应排序。
- 属性:
- vocabulary_字典
将特征名称映射到特征索引的字典。
- feature_names_列表
一个长度为 n_features 的列表，包含特征名称（例如，“f=ham”和“f=spam”）。
另请参阅
FeatureHasher仅使用哈希函数执行向量化。
sklearn.preprocessing.OrdinalEncoder处理编码为任意数据类型列的名义/分类特征。
示例
>>> from sklearn.feature_extraction import DictVectorizer >>> v = DictVectorizer(sparse=False) >>> D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] >>> X = v.fit_transform(D) >>> X array([[2., 0., 1.], [0., 1., 3.]]) >>> v.inverse_transform(X) == [{'bar': 2.0, 'foo': 1.0}, ... {'baz': 1.0, 'foo': 3.0}] True >>> v.transform({'foo': 4, 'unseen_feature': 3}) array([[0., 0., 4.]])
- fit(X, y=None)[source]#
学习特征名称 -> 索引映射列表。
- 参数:
- X映射或映射的可迭代对象
从特征名称（任意 Python 对象）到特征值（字符串或可转换为 dtype）的字典或映射。
0.24 版本中的变化: 接受一个分类特征的多个字符串值。
- y（忽略）
被忽略的参数。
- 返回:
- self对象
DictVectorizer 类实例。
- fit_transform(X, y=None)[source]#
学习特征名称 -> 索引映射列表并转换 X。
类似于 fit(X) 后接 transform(X)，但不需要在内存中实例化 X。
- 参数:
- X映射或映射的可迭代对象
从特征名称（任意 Python 对象）到特征值（字符串或可转换为 dtype）的字典或映射。
0.24 版本中的变化: 接受一个分类特征的多个字符串值。
- y（忽略）
被忽略的参数。
- 返回:
- Xa{数组, 稀疏矩阵}
特征向量；始终为二维。
- get_feature_names_out(input_features=None)[source]#
获取转换的输出特征名称。
- 参数:
- input_features字符串数组型或 None, 默认值=None
未使用，在此处是为了 API 约定一致性。
- 返回:
- feature_names_out字符串对象 ndarray
转换后的特征名称。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看 用户指南 了解路由机制的工作原理。
- 返回:
- routingMetadataRequest
封装路由信息的
MetadataRequest。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数:
- deep布尔值, 默认值=True
如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。
- 返回:
- params字典
参数名称映射到其值。
- inverse_transform(X, dict_type=<class 'dict'>)[source]#
将数组或稀疏矩阵 X 转换回特征映射。
X 必须是由此 DictVectorizer 的 transform 或 fit_transform 方法生成的；它可能只通过了保留特征数量及其顺序的转换器。
在独热/one-of-K 编码的情况下，返回的是构建的特征名称和值，而不是原始的。
- 参数:
- X{数组型, 稀疏矩阵}，形状为 (n_samples, n_features)
样本矩阵。
- dict_type类型, 默认值=dict
特征映射的构造函数。必须符合 collections.Mapping API。
- 返回:
- X_originaldict_type 对象列表，形状为 (n_samples,)
X 中样本的特征映射。
- restrict(support, indices=False)[source]#
使用特征选择将特征限制为支持中的那些特征。
此函数就地修改估计器。
- 参数:
- support数组型
布尔掩码或索引列表（由特征选择器的 get_support 成员返回）。
- indices布尔值, 默认值=False
support 是否是索引列表。
- 返回:
- self对象
DictVectorizer 类实例。
示例
>>> from sklearn.feature_extraction import DictVectorizer >>> from sklearn.feature_selection import SelectKBest, chi2 >>> v = DictVectorizer() >>> D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}] >>> X = v.fit_transform(D) >>> support = SelectKBest(chi2, k=2).fit(X, [0, 1]) >>> v.get_feature_names_out() array(['bar', 'baz', 'foo'], ...) >>> v.restrict(support.get_support()) DictVectorizer() >>> v.get_feature_names_out() array(['bar', 'foo'], ...)
- set_output(*, transform=None)[source]#
设置输出容器。
有关如何使用此 API 的示例，请参阅 set_output API 简介。
- 参数:
- transform{“default”, “pandas”, “polars”}, 默认值=None
配置
transform和fit_transform的输出。"default": 转换器的默认输出格式"pandas": DataFrame 输出"polars": Polars 输出None: 转换配置未更改
1.4 版本新增: 添加了
"polars"选项。
- 返回:
- self估计器实例
估计器实例。
