scikit pipes

Scikit-Pipes

Scikit-learn Практический предварительно определенный концентратор трубопроводов.

Этот пакет все еще находится на экспериментальной стадии.

Использование:

Установите Scikit-Pipes

Мы советуем установить Scikit-Pipes, используя виртуальную Env, внутри Env ancy:

 PIP установить Scikit-Pipes

Пример: простая предварительная обработка

 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 )

Изменение

См. Чангейлог для заметок об изменениях Sklearn-Pipes

Важные ссылки

• Официальный исходный код Repo: https://github.com/rodrigo-arenas/scikit-pipes/
• Скачать релизы: https://pypi.org/project/scikit-pipes/
• Трекер выпуска: https://github.com/rodrigo-arenas/scikit-pipes/issues
• Стабильная документация: https://scikit-pipes.readthedocs.io/en/stable/

Исходный код

Вы можете проверить последнюю версию разработки с помощью команды:

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

Установите зависимости разработки:

 pip install -r dev -requirements.txt

Проверьте последнюю документацию в разработке: https://scikit-pipes.readthedocs.io/en/latest/

Внося

Вклад всегда приветствуются! Если вы хотите внести свой вклад, обязательно прочитайте руководство по взносу.

Спасибо людям, которые помогают с этим проектом!

Тестирование

После установки вы можете запустить тестовый набор извне исходного каталога:

 Pytest Skpipes