在Python中怎样使用Feature-engine库进行工业级特征转换

轻浩酱_4539

轻浩酱_4539

2026-11-22

326人浏览

原创

Feature-engine是独立于scikit-learn和pandas的专注特征工程库,兼容Pipeline;安装用pip install feature-engine;核心模块含imputation、encoding、discretisation、transformation;所有变换器需先fit再transform以保证可复现性与防数据泄漏。

在python中怎样使用feature-engine库进行工业级特征转换

Feature-engine 的安装与核心模块定位

Feature-engine 不是 scikit-learn 的子集,也不是 pandas 插件,而是一个独立、专注特征工程的库,设计目标就是可部署、可复现、可嵌入 Pipeline。它所有变换器都继承自 BaseEstimator 和 TransformerMixin,天然兼容 sklearn.Pipeline。

  • 安装时建议用 pip:pip install feature-engine
  • 不要混用 feature_engine(旧名)和 feature_engine(当前正确包名),旧文档里可能写错,实际 import 始终是 import feature_engine
  • 核心模块按任务划分:feature_engine.imputation(缺失值)、feature_engine.encoding(编码)、feature_engine.discretisation(分箱)、feature_engine.transformation(数值变换)——别从 feature_engine 直接 import 所有类,容易命名冲突

用 MeanMedianImputer 处理数值型缺失值(带训练/预测分离)

工业场景中,缺失值策略必须在 fit 阶段“锁定”统计量(如均值),predict 阶段只应用,不能重新计算。这是和直接用 pandas.fillna(df.mean()) 的本质区别。

  • MeanMedianImputer 默认用均值填充,设 imputation_method="median" 可切中位数
  • 必须显式指定 variables 参数,比如 variables=["age", "income"];不传则默认对所有数值列操作,但线上推理时列顺序或存在性稍有变化就会出错
  • fit 后会把统计量存进 imputer.imputerdict 属性,可序列化保存(joblib.dump(imputer, "imputer.pkl")),后续 reload 后直接 transform() 即可,无需再 fit
from feature_engine.imputation import MeanMedianImputer
imputer = MeanMedianImputer(
    variables=["sales", "margin"],
    imputation_method="mean"
)
imputer.fit(X_train)
X_train_imputed = imputer.transform(X_train)  # ✅ 用训练集统计量填训练集
X_test_imputed = imputer.transform(X_test)      # ✅ 同样统计量填测试集

用 OneHotEncoder 编码分类变量(避免训练/预测不一致)

pandas.get_dummies() 在 train/test 上分别调用会导致列数不一致,OneHotEncoder 从 fit 阶段就固化类别集合,transform 时自动补零或丢弃未见过的类别。

  • 默认 drop_last=False,若需避免共线性,设为 True(会删每组最后一个 dummy 列)
  • 关键参数 drop_last_binary=True 对二值变量(如 ["Y", "N"])自动只留一列,省空间也防 collinearity
  • 若测试数据出现训练时没见过的新类别(如新用户等级 "VIP_PLUS"),默认行为是忽略该列 —— 这很安全,但你要知道它发生了;可通过 ignore_format=True + 自定义 unseen="encode" 改变策略(需 v1.7+)

为什么不能跳过 fit 直接 transform?

所有 Feature-engine 变换器都要求先 fit,因为它们不是无状态函数,而是有状态对象:

Define repeatable Python automation sessions in code with nox
Define repeatable Python automation sessions in code with nox

将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。

下载
  • WoEEncoder 要存每个类别的 WOE 值
  • DecisionTreeDiscretiser 要存分割点
  • LogTransformer 要检查是否含非正数并记录偏移量

如果漏掉 fit 就调 transform,会报 AttributeError: 'XXX' object has no attribute 'variables_' 或类似错误。这不是 bug,是设计强制你区分学习阶段和应用阶段。

真正容易被忽略的是:Pipeline 中的每个步骤都要 fit,但线上服务时,你只能对新样本调 pipeline.transform(),绝不能再次 fit —— 否则模型就“偷看”了新数据。这个边界一旦模糊,特征逻辑就不可控。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5664

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1929

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34777

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4047

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4067

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3163

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程