scikit pipes

Scikit-Pipes

Scikit-Learn Practical predefinido Hub.

Este pacote ainda está em um estágio experimental.

Uso:

Instale o Scikit-Pipes

Aconselhamos a instalar o Scikit-Pipes usando um Env virtual, dentro do Uso Env:

 pip install scikit-pipes

Exemplo: pré -processamento simples

 import pandas as pd
import numpy as np
from skpipes . pipeline import SkPipeline

data = [{ "x1" : 1 , "x2" : 400 , "x3" : np . nan },
        { "x1" : 4.8 , "x2" : 250 , "x3" : 50 },
        { "x1" : 3 , "x2" : 140 , "x3" : 43 },
        { "x1" : 1.4 , "x2" : 357 , "x3" : 75 },
        { "x1" : 2.4 , "x2" : np . nan , "x3" : 42 },
        { "x1" : 4 , "x2" : 287 , "x3" : 21 }]

df = pd . DataFrame ( data )

pipe = SkPipeline ( name = 'median_imputer-minmax' ,
                  data_type = "numerical" )
pipe . steps
str ( pipe )

pipe . fit ( df )
pipe . transform ( df )
pipe . fit_transform ( df )

Changelog

Veja o Changelog para notas sobre as mudanças de Sklearn-Pipes

Links importantes

• Código-fonte oficial repo: https://github.com/rodrigo-arenas/scikit-pipes/
• Download de lançamentos: https://pypi.org/project/scikit-pipes/
• Rastreador de edição: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Documentação estável: https://scikit-pipes.readthedocs.io/en/stable/

Código -fonte

Você pode verificar a versão mais recente de desenvolvimento com o comando:

 Git clone https://github.com/rodrigo-arenas/scikit-pipes.git

Instale as dependências de desenvolvimento:

 pip install -r dev -requirements.txt

Verifique a mais recente documentação no desenvolvimento: https://scikit-pipes.readthedocs.io/en/latest/

Contribuindo

As contribuições são sempre bem -vindas! Se você deseja contribuir, leia o guia de contribuição.

Graças às pessoas que estão ajudando neste projeto!

Teste

Após a instalação, você pode iniciar o conjunto de testes de fora do diretório de origem:

 pytest skpipes