def test_warning_if_transform_df_contains_categories_not_present_in_fit_df(
df_enc, df_enc_rare):
# test case 4: when dataset to be transformed contains categories not present
# in training dataset
msg = "During the encoding, NaN values were introduced in the feature(s) var_A."
# check for warning when rare_labels equals 'ignore'
with pytest.warns(UserWarning) as record:
encoder = MeanEncoder(errors="ignore")
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
encoder.transform(df_enc_rare[["var_A", "var_B"]])
# check that only one warning was raised
assert len(record) == 1
# check that the message matches
assert record[0].message.args[0] == msg
# check for error when rare_labels equals 'raise'
with pytest.raises(ValueError) as record:
encoder = MeanEncoder(errors="raise")
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
encoder.transform(df_enc_rare[["var_A", "var_B"]])
# check that the error message matches
assert str(record.value) == msg
def test_warning_if_transform_df_contains_categories_not_present_in_fit_df(
df_enc, df_enc_rare):
# test case 4: when dataset to be transformed contains categories not present
# in training dataset
with pytest.warns(UserWarning):
encoder = MeanEncoder()
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
encoder.transform(df_enc_rare[["var_A", "var_B"]])
def encode_mean_labels(var_list, X_train, y_train, X_test, X_val=None,
file_path='../models/transformers/mean_enc/',
file_name='mean_enc', file_suffix=''):
"""
Encode labels of categorical features using each label's mean target value
in the training set, test set, and optionally the validation set. This
function uses feature_engine's MeanEncoder to encode the labels. The
encoder will be saved to the specified path.
Parameters
----------
var_list : list[str]
Categorical features to encode
X_train : pandas.core.frame.DataFrame
Training set feature variables
y_train : pandas.core.series.Series
Training set target variables
X_test : pandas.core.frame.DataFrame
Test set feature variables
X_val : pandas.core.frame.DataFrame, optional
Validation set feature variables, by default None
file_path : str, optional
Output directory path, by default "../models/transformers/mean_enc/"
file_name : str, optional
Output file name, by default "mean_enc"
file_suffix : str, optional
File name suffix that goes before the file extension, by default an
empty string
Returns
-------
pandas.core.frame.DataFrame
Transformed train set
pandas.core.frame.DataFrame
Transformed validation set
pandas.core.frame.DataFrame
Transformed test set
dict
Mapping of original to encoded values
"""
enc = MeanEncoder(variables=var_list).fit(X_train, y_train)
joblib.dump(enc, os.path.join(file_path, file_name + file_suffix + '.pkl'))
X_train = enc.transform(X_train)
X_test = enc.transform(X_test)
if X_val is not None:
X_val = enc.transform(X_val)
return X_train, X_val, X_test, enc.encoder_dict_
def test_variables_cast_as_category(df_enc_category_dtypes):
df = df_enc_category_dtypes.copy()
encoder = MeanEncoder(variables=["var_A"])
encoder.fit(df[["var_A", "var_B"]], df["target"])
X = encoder.transform(df[["var_A", "var_B"]])
# expected output
transf_df = df.copy()
transf_df["var_A"] = [
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.5,
0.5,
0.5,
0.5,
]
pd.testing.assert_frame_equal(X,
transf_df[["var_A", "var_B"]],
check_dtype=False)
assert X["var_A"].dtypes == float
def test_user_enters_1_variable(df_enc):
# test case 1: 1 variable
encoder = MeanEncoder(variables=["var_A"])
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
X = encoder.transform(df_enc[["var_A", "var_B"]])
# expected output
transf_df = df_enc.copy()
transf_df["var_A"] = [
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.5,
0.5,
0.5,
0.5,
]
# test init params
assert encoder.variables == ["var_A"]
# test fit attr
assert encoder.variables_ == ["var_A"]
assert encoder.encoder_dict_ == {
"var_A": {
"A": 0.3333333333333333,
"B": 0.2,
"C": 0.5
}
}
assert encoder.n_features_in_ == 2
# test transform output
pd.testing.assert_frame_equal(X, transf_df[["var_A", "var_B"]])
def test_automatically_find_variables(df_enc):
# test case 2: automatically select variables
encoder = MeanEncoder(variables=None)
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
X = encoder.transform(df_enc[["var_A", "var_B"]])
# expected output
transf_df = df_enc.copy()
transf_df["var_A"] = [
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.5,
0.5,
0.5,
0.5,
]
transf_df["var_B"] = [
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.2,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.3333333333333333,
0.5,
0.5,
0.5,
0.5,
]
# test init params
assert encoder.variables is None
# test fit attr
assert encoder.variables_ == ["var_A", "var_B"]
assert encoder.encoder_dict_ == {
"var_A": {
"A": 0.3333333333333333,
"B": 0.2,
"C": 0.5
},
"var_B": {
"A": 0.2,
"B": 0.3333333333333333,
"C": 0.5
},
}
assert encoder.n_features_in_ == 2
# test transform output
pd.testing.assert_frame_equal(X, transf_df[["var_A", "var_B"]])
def test_transform_raises_error_if_df_contains_na(df_enc, df_enc_na):
# test case 4: when dataset contains na, transform method
with pytest.raises(ValueError):
encoder = MeanEncoder()
encoder.fit(df_enc[["var_A", "var_B"]], df_enc["target"])
encoder.transform(df_enc_na)