python - 如何在 ColumnTransformer 的管道中实现逆变换？

Question

我想了解如何在管道中应用逆变换，而不是使用 StandardScaler直接发挥作用。
我正在使用的代码如下:

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder, StandardScaler

categoric = X.select_dtypes(['object']).columns
numeric =   X.select_dtypes(['int']).columns

tf = ColumnTransformer([('onehot', OneHotEncoder(), categoric),
                        ('scaler', StandardScaler(), numeric)])

X_preprocessed = tf.fit_transform(X)

model = KMeans(n_clusters=2, random_state=24)
model.fit(X_preprocessed)

获得给定模型的输出(在本例中为 KMeans)后，如何恢复 numeric 的原始比例任何 X 数据框的值？
我知道 StandardScaler有一种方法( .inverse_transformation )可以做到这一点，但我的问题出现在使用带有 ColumnTransformer 的管道时.
P.S.:这样做的目的是解释模型的质心。

Answer 1

您可能已经找到了解决方案，但我遇到了类似的问题。我正在使用 Pandas ，并希望 ColumnTransformer 再次返回数据帧。我通过将列名按顺序放回列名，因为它们在 columntransformer 中使用，但我想确保它是正确的，所以我想反转转换并检查它是否返回了原始数据帧，因此没有错误标记任何列。
有两种方法可以访问 tf 中的子变压器:

tf.transformers_[1][1] # second transformer, 2nd item being the actual class
tf.named_transformers_['scaler']

然后，您可以为该特定子转换器调用 inverse_transform。这只会使您能够对其中一个转换器进行逆运算，因此您必须通过将两者的结果再次附加到 1 帧中来重建数据集。