DictVectorizer#
- class sklearn.feature_extraction.DictVectorizer(*, dtype=<class 'numpy.float64'>, separator='=', sparse=True, sort=True)[源码]#
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（类字典对象）转换为 Numpy 数组或 scipy.sparse 矩阵，以便与 scikit-learn 估计器配合使用。
当特征值为字符串时，此转换器将进行二进制独热（又称 one-of-K）编码：为该特征可能具有的每个字符串值构造一个布尔值特征。例如，一个可能具有值 “ham” 和 “spam” 的特征 “f” 在输出中将变成两个特征，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集合，此转换器将遍历这些值并计算每个字符串值出现的次数。
但是，请注意，此转换器仅在特征值为字符串类型时执行二进制独热编码。如果分类特征以数值（如 int）或字符串迭代器的形式表示，可以在 DictVectorizer 之后连接
OneHotEncoder以完成二进制独热编码。在样本（映射）中未出现的特征在生成的数组/矩阵中其值为零。
有关不同特征提取器效率比较，请参阅 FeatureHasher 和 DictVectorizer 比较。
在 用户指南 中阅读更多信息。
- 参数:
- dtypedtype, 默认=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。
- separatorstr, 默认=”=”
在为独热编码构造新特征时使用的分隔符字符串。
- sparsebool, 默认=True
转换是否应产生 scipy.sparse 矩阵。
- sortbool, 默认=True
拟合时是否应对
feature_names_和vocabulary_进行排序。
- 属性:
- vocabulary_dict
将特征名称映射到特征索引的字典。
- feature_names_list
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定性/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)[源码]#
学习特征名称到索引的映射列表。
- 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 的值）的字典或映射。
0.24 版本变更: 允许一个分类特征对应多个字符串值。
- y(忽略)
忽略的参数。
- 返回:
- selfobject
DictVectorizer 类实例。
- fit_transform(X, y=None)[源码]#
学习特征名称到索引的映射列表并转换 X。
类似于执行 fit(X) 后紧跟 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 的值）的字典或映射。
0.24 版本变更: 允许一个分类特征对应多个字符串值。
- y(忽略)
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)[源码]#
获取转换的输出特征名称。
- 参数:
- input_featuresarray-like of str or None, default=None
Not used, present here for API consistency by convention.
- 返回:
- feature_names_outstr 对象的 ndarray
转换后的特征名称。
- get_metadata_routing()[源码]#
获取此对象的元数据路由。
请查阅 用户指南，了解路由机制如何工作。
- 返回:
- routingMetadataRequest
封装路由信息的
MetadataRequest。
- get_params(deep=True)[源码]#
获取此估计器的参数。
- 参数:
- deepbool, default=True
如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。
- 返回:
- paramsdict
参数名称映射到其值。
- inverse_transform(X, dict_type=<class 'dict'>)[源码]#
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；它可能仅经过了保留特征数量及顺序的转换器。
在独热（one-hot/one-of-K）编码的情况下，返回的是构造出的特征名称和值，而不是原始的名称和值。
- 参数:
- Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}
样本矩阵。
- dict_typetype, 默认=dict
特征映射的构造函数。必须符合 collections.Mapping API。
- 返回:
- X_original形状为 (n_samples,) 的 dict_type 对象列表
X 中样本的特征映射。
- restrict(support, indices=False)[源码]#
使用特征选择将特征限制在 support 范围内。
此函数会就地修改估计器。
- 参数:
- support类数组
布尔掩码或索引列表（如特征选择器的 get_support 成员所返回的）。
- indicesbool, default=False
support 是否为索引列表。
- 返回:
- selfobject
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)[源码]#
设置输出容器。
请参阅 用户指南 以了解更多详细信息，并参考 引入 set_output API 获取关于如何使用该 API 的示例。
- 参数:
- transform{“default”, “pandas”, “polars”}, default=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: 转换配置保持不变
1.4 版本新增: 添加了
"polars"选项。
- 返回:
- selfestimator instance
估计器实例。
