我有一个数据集，其中包含很多缺失的分类值，我想创建一个自定义填补器，用"no-variable_name"的值来填充这些空值。

例如，如果"Workclass"列有一个Nan值，就用"No Workclass"替换它。

我目前是这样做的

X_train['workclass'].fillna("No workclass", inplace = True)

但我想创建一个Imputer，这样我就可以在管道中使用它。

回答：

您可以使用TransformerMixin定义一个自定义转换器。这里是一个简单的例子，如何定义一个简单的转换器并将其包含在管道中：

df = pd.DataFrame({'workclass':['class1', np.nan, 'Some other class', 'class1',                                 np.nan, 'class12', 'class2', 'class121'],                    'color':['red', 'blue', np.nan, 'pink',                            'green', 'magenta', np.nan, 'yellow']})# train test split of Xdf_train = df[:3]df_test = df[3:]print(df_test)  workclass    color3    class1     pink4       NaN    green5   class12  magenta6    class2      NaN7  class121   yellow

这个想法是使用df_train数据框进行拟合，并将转换应用到df_test上。我们可以定义一个从TransformerMixin继承的自定义转换类：

from sklearn.pipeline import Pipelinefrom sklearn.base import TransformerMixinclass InputColName(TransformerMixin):    def fit(self, X, y):        self.fill_with = X.columns        return self    def transform(self, X):        return np.where(X.isna(), 'No ' + self.fill_with, X)

然后将其包含在您的管道中（这里仅使用InputColName以保持示例的简单性），并使用训练数据进行拟合：

pipeline = Pipeline(steps=[  ('inputter', InputColName())])pipeline.fit(df_train)

现在，如果我们尝试使用未见过的数据进行转换：

print(pd.DataFrame(pipeline.transform(df_test), columns=df.columns))      workclass     color0        class1      pink1  No workclass     green2       class12   magenta3        class2  No color4      class121    yellow