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（类字典对象）转换为Numpy数组或scipy.sparse矩阵，供scikit-learn估计器使用。
当特征值为字符串时，此转换器将执行二进制独热（又名one-of-K）编码：为特征可能采取的每个字符串值构造一个布尔值特征。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集合，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类型为字符串时执行二进制独热编码。如果分类特征表示为数字值（如int）或字符串可迭代对象，则可以在DictVectorizer之后使用
OneHotEncoder来完成二进制独热编码。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效率比较，请参阅 FeatureHasher 和 DictVectorizer 比较。
在用户指南中阅读更多内容。
- 参数:
- dtype数据类型, default=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, default=”=”
用于构造独热编码新特征的分隔符字符串。
- sparsebool, default=True
转换是否应生成scipy.sparse矩阵。
- sortbool, default=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
包含特征名称（例如，“f=ham”和“f=spam”）的列表，长度为n_features。
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:
- XMapping或Mappings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。
版本0.24中有所更改: 接受一个分类特征的多个字符串值。
- y(被忽略)
被忽略的参数。
- 返回:
- selfobject
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)后跟transform(X)，但不需要在内存中实例化X。
- 参数:
- XMapping或Mappings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。
版本0.24中有所更改: 接受一个分类特征的多个字符串值。
- y(被忽略)
被忽略的参数。
- 返回:
- Xa{array, sparse matrix}
特征向量；始终为2维。
- get_feature_names_out(input_features=None)[source]#
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()[source]#
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)[source]#
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'>)[source]#
将数组或稀疏矩阵X转换回特征映射。
X必须由此DictVectorizer的transform或fit_transform方法生成；它只能通过保留特征数量和顺序的转换器。
在独热/one-of-K编码的情况下，返回的是构造的特征名称和值，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, default=dict
特征映射的构造函数。必须符合collections.Mapping API。
- 返回:
- X_originallist of dict_type objects of shape (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在支持集中的那些。
此函数会就地修改估计器。
- 参数:
- supportarray-like
布尔掩码或索引列表（由特征选择器的get_support成员返回）。
- indicesbool, default=False
支持集是否为索引列表。
- 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)[source]#
设置输出容器。
有关如何使用 API 的示例，请参阅引入 set_output API。
- 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。
