Feature-engine

开源
教程
代码
下载量	)
元信息
文档
引用
测试

Feature-engine 是一个 Python 库，提供了多种用于机器学习模型的特征工程（Feature Engineering）和特征选择（Feature Selection）转换器（transformer）。
Feature-engine 的转换器遵循 Scikit-learn 的功能设计，提供 fit() 和 transform() 方法，先从数据中学习转换参数，然后对数据进行转换。

Feature-engine 出现在以下资源中

• 《机器学习中的特征工程》在线课程

• 《机器学习中的特征选择》在线课程

• 《时间序列预测中的特征工程》在线课程

• 《使用机器学习进行预测》在线课程

• 《Python 特征工程实战手册》

• 《机器学习中的特征选择》书籍

关于 Feature-engine 的博客文章

• Feature-engine：一个用于特征工程的新开源 Python 包

• 使用 Python 实现机器学习特征工程的实用代码示例

文档

• 官方文档

嘿！你是怎么找到我们的？

我们希望让更多人了解 Feature-engine。如果你能告诉我们你是如何发现我们的，将对我们帮助巨大。

这样我们就能知道哪些做法是有效的，并选择合适的渠道继续传播。

请通过点击此链接回答一个简单的问题来分享你的故事吧！😃

当前 Feature-engine 的转换器包含以下功能：

• 缺失值填补（Missing Data Imputation）
• 类别编码（Categorical Encoding）
• 离散化（Discretisation）
• 异常值处理（Outlier Capping or Removal）
• 变量变换（Variable Transformation）
• 变量创建（Variable Creation）
• 变量选择（Variable Selection）
• 日期时间特征（Datetime Features）
• 文本特征（Text Features）
• 时间序列（Time Series）
• 预处理（Preprocessing）
• 缩放（Scaling）
• Scikit-learn 封装器（Scikit-learn Wrappers）

填补方法（Imputation Methods）

• MeanMedianImputer
• ArbitraryNumberImputer
• RandomSampleImputer
• EndTailImputer
• CategoricalImputer
• AddMissingIndicator
• DropMissingData

编码方法（Encoding Methods）

• OneHotEncoder
• OrdinalEncoder
• CountFrequencyEncoder
• MeanEncoder
• WoEEncoder
• RareLabelEncoder
• DecisionTreeEncoder
• StringSimilarityEncoder

离散化方法（Discretisation methods）

• EqualFrequencyDiscretiser
• EqualWidthDiscretiser
• GeometricWidthDiscretiser
• DecisionTreeDiscretiser
• ArbitraryDiscreriser

异常值处理方法（Outlier Handling methods）

• Winsorizer
• ArbitraryOutlierCapper
• OutlierTrimmer

变量变换方法（Variable Transformation methods）

• LogTransformer
• LogCpTransformer
• ReciprocalTransformer
• ArcsinTransformer
• PowerTransformer
• BoxCoxTransformer
• YeoJohnsonTransformer
• ArcSinhTransformer

变量缩放方法（Variable Scaling methods）

• MeanNormalizationScaler

变量创建（Variable Creation）:

• MathFeatures
• RelativeFeatures
• CyclicalFeatures
• DecisionTreeFeatures
• GeoDistanceFeatures

特征选择（Feature Selection）:

• DropFeatures
• DropConstantFeatures
• DropDuplicateFeatures
• DropCorrelatedFeatures
• SmartCorrelationSelection
• ShuffleFeaturesSelector
• SelectBySingleFeaturePerformance
• SelectByTargetMeanPerformance
• RecursiveFeatureElimination
• RecursiveFeatureAddition
• DropHighPSIFeatures
• SelectByInformationValue
• ProbeFeatureSelection
• MRMR

日期时间（Datetime）

• DatetimeFeatures
• DatetimeSubtraction
• DatetimeOrdinal

文本特征（Text Features）

• TextFeatures

时间序列（Time Series）

• LagFeatures
• WindowFeatures
• ExpandingWindowFeatures

流水线（Pipelines）

• Pipeline
• make_pipeline

预处理（Preprocessing）

• MatchCategories
• MatchVariables

封装器（Wrappers）:

• SklearnTransformerWrapper

安装

通过 PyPI 使用 pip 安装：

pip install feature_engine

通过 Anaconda 安装：

conda install -c conda-forge feature_engine

或者直接克隆仓库：

git clone https://github.com/feature-engine/feature_engine.git

示例用法

>>> import pandas as pd
>>> from feature_engine.encoding import RareLabelEncoder

>>> data = {'var_A': ['A'] * 10 + ['B'] * 10 + ['C'] * 2 + ['D'] * 1}
>>> data = pd.DataFrame(data)
>>> data['var_A'].value_counts()

Out[1]:
A    10
B    10
C     2
D     1
Name: var_A, dtype: int64

>>> rare_encoder = RareLabelEncoder(tol=0.10, n_categories=3)
>>> data_encoded = rare_encoder.fit_transform(data)
>>> data_encoded['var_A'].value_counts()

Out[2]:
A       10
B       10
Rare     3
Name: var_A, dtype: int64

更多示例请参见我们的 Jupyter Notebook Gallery
或 文档。

贡献

有关如何贡献的详细信息，请参阅 贡献页面。

简要步骤如下：

• Fork 本仓库
• 将你的 fork 克隆到本地计算机：

git clone https://github.com/<YOURUSERNAME>/feature_engine.git

• 进入仓库目录：

cd feature_engine

• 以开发者模式安装 Feature-engine：

pip install -e .

• （可选）使用你喜欢的工具创建并激活虚拟环境
• 安装 Feature-engine 的开发依赖项：

pip install -e ".[tests]"

• 创建一个具有有意义名称的功能分支：

git checkout -b myfeaturebranch

• 开发你的功能、测试和文档
• 确保所有测试通过
• 提交 Pull Request (PR)

非常感谢！！

文档

Feature-engine 的文档使用 Sphinx 构建，并托管在 Read the Docs 上。

要构建文档，请确保已安装相关依赖项：从项目根目录运行以下命令：

pip install -r docs/requirements.txt

然后即可使用以下命令构建文档：

sphinx-build -b html docs build

许可证

本仓库的内容采用 BSD 3-Clause 许可证 授权。

赞助方

Feature-engine 的开发得到了 Train in Data 的支持。

Feature-engine 快速上手指南

环境准备

• Python 版本：3.7 或更高版本
• 依赖库：Feature-engine 基于 scikit-learn 构建，安装时会自动处理依赖
• 推荐环境：建议使用虚拟环境（如 venv 或 conda）隔离项目依赖

💡 国内用户可配置 pip 镜像源加速下载，例如：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple feature_engine

安装步骤

使用 pip 安装（推荐）

pip install feature_engine

使用 conda 安装

conda install -c conda-forge feature_engine

从源码安装（开发用途）

git clone https://github.com/feature-engine/feature_engine.git
cd feature_engine
pip install -e .

基本使用

以下示例展示如何使用 RareLabelEncoder 将低频类别合并为 "Rare"：

>>> import pandas as pd
>>> from feature_engine.encoding import RareLabelEncoder

>>> data = {'var_A': ['A'] * 10 + ['B'] * 10 + ['C'] * 2 + ['D'] * 1}
>>> data = pd.DataFrame(data)
>>> data['var_A'].value_counts()
A    10
B    10
C     2
D     1
Name: var_A, dtype: int64

>>> rare_encoder = RareLabelEncoder(tol=0.10, n_categories=3)
>>> data_encoded = rare_encoder.fit_transform(data)
>>> data_encoded['var_A'].value_counts()
A       10
B       10
Rare     3
Name: var_A, dtype: int64

更多示例请参考官方 Jupyter Notebook 示例库 或 中文文档。