sklearn Pipeline 和 DataFrameMapper 有什么区别？答案

【问题标题】：What's the difference between sklearn Pipeline and DataFrameMapper?sklearn Pipeline 和 DataFrameMapper 有什么区别？
【发布时间】：2017-03-14 03:01:45
【问题描述】：

Sklearn 管道：http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper：https://github.com/paulgb/sklearn-pandas

它们之间有什么区别？

在我看来，sklearn 管道功能更多，但 DataFrameMapper 对我来说更干净。

【问题讨论】：

标签： scikit-learn pipeline sklearn-pandas

【解决方案1】：

编辑：请参阅关于可能更好的ColumnTransformer 方法的评论讨论。可能感兴趣的比较表可以在Here找到。

基本上，DataFrameMapper（以及整个 sklearn-pandas 包）旨在将 pandas DataFrame 对象的优势与 sklearn 机器学习包的强大功能相结合。

sklearn.Pipeline 描述了要对矩阵格式执行的转换的有序列表（由 numpy 和 scipy 包提供）。这些转换将按顺序在整个矩阵上一个接一个地执行，并将从头到尾对整个训练和预测过程进行编码。

管道转换（又名步骤）元组的第一部分是它的名称，它对过程没有实际影响，它只是用于可读性。

另一方面，DataFrameMapper 对 pandas 包创建的 DataFrame 对象进行操作，并且可以将转换应用于数据帧的某些部分（不一定适用于整个数据集）。 DataFrames 类似于 numpy 和 scipy 矩阵，在跟踪行和列标签以及元数据方面有一个明显的区别。 DataFrames 操作将确保可以使用逻辑标识而不是索引来访问、操作和读取行和列。

DataFrameMapper 转换元组的第一部分描述了应该通过转换运行哪些列。

三大区别是：

DataFrameMapper 是一个更灵活的工具，它可以让您在不同的列上执行不同的转换，并且更倾向于转换复杂的数据结构，而sklearn.Pipeline 更倾向于在同构上执行机器学习相关的转换数据集。
DataFrameMapper 可让您保留分配给 pandas DataFrame 对象的注释和标签，而 sklearn.Pipeline 将“减少”任何结果为 numpy/scipy 数组/矩阵。
sklearn.Pipeline 是更稳定且广为人知的软件包的一部分，因此如果稳定性和维护等考虑因素很重要，它可能是“更安全”的选择。

【讨论】：

sklearn.compose.ColumnTransformer 现在提供了处理异构数据集的能力。具体来说，可以创建不同的管道（例如数字和分类特征），然后将这些管道应用到正确的列。
@EvanRosica：当您可以将提到的ColumnTransformer 与标准sklearn Pipeline 一起使用时，您知道使用DataFrameMapper 是否有主要优势吗？
@Nerxis 不，我不知道使用DataFrameMapper 有什么主要优势
@EvanRosica：我刚刚发现了这个表格比较Clarify relationship to ColumnTransformer，它显示了一些（相当小的）差异。谢谢。