make_column_selector#

class sklearn.compose.make_column_selector(pattern=None, *, dtype_include=None, dtype_exclude=None)[source]#

创建一个可调用对象，用于选择与 ColumnTransformer 一起使用的列。

make_column_selector 可以根据数据类型或列名（使用正则表达式）选择列。当使用多个选择条件时，所有条件都必须匹配才能选中一列。

有关如何在 ColumnTransformer 中使用 make_column_selector 根据数据类型（即 dtype）选择列的示例，请参阅混合类型列转换器。

参数:

patternstr, default=None: 包含此正则表达式模式的列名将被包括在内。如果为 None，则不根据模式选择列。
dtype_includecolumn dtype or list of column dtypes, default=None: 要包括的数据类型选择。有关更多详细信息，请参阅 pandas.DataFrame.select_dtypes。
dtype_excludecolumn dtype or list of column dtypes, default=None: 要排除的数据类型选择。有关更多详细信息，请参阅 pandas.DataFrame.select_dtypes。

返回:

selectorcallable: 用于 ColumnTransformer 的列选择可调用对象。

另请参阅

ColumnTransformer: 该类允许将应用于数据列子集的多个转换器对象的输出组合成一个特征空间。

示例

>>> from sklearn.preprocessing import StandardScaler, OneHotEncoder
>>> from sklearn.compose import make_column_transformer
>>> from sklearn.compose import make_column_selector
>>> import numpy as np
>>> import pandas as pd
>>> X = pd.DataFrame({'city': ['London', 'London', 'Paris', 'Sallisaw'],
...                   'rating': [5, 3, 4, 5]})
>>> ct = make_column_transformer(
...       (StandardScaler(),
...        make_column_selector(dtype_include=np.number)),  # rating
...       (OneHotEncoder(),
...        make_column_selector(dtype_include=[object, "string"])))  # city
>>> ct.fit_transform(X)
array([[ 0.90453403,  1.        ,  0.        ,  0.        ],
       [-1.50755672,  1.        ,  0.        ,  0.        ],
       [-0.30151134,  0.        ,  1.        ,  0.        ],
       [ 0.90453403,  0.        ,  0.        ,  1.        ]])