Orange3数据预处理(Python代码组件)

Python代码
通过Python脚本扩展功能。

输入
数据（Orange.data.Table）：与in_data变量绑定在一起的输入数据集
学习器（Orange.classification.Learner）：与in_learner变量绑定在一起的学习器输入
分类器（Orange.classification.Learner）：与in_classifier变量绑定在一起的分类器输入
对象：与in_object变量绑定在一起的Python对象输入

输出
数据（Orange.data.Table）：从out_data变量检索到的数据集
学习器（Orange.classification.Learner）：从out_learner变量检索到的学习器
分类器（Orange.classification.Learner）：从out_classifier变量检索到的分类器
对象：从out_object变量检索到的Python对象

Python脚本小部件可以用来自行运行输入中的Python脚本，当现有小部件中没有实现合适的功能时。
脚本在本地命名空间中有in_data、in_distance、in_learner、in_classifier和in_object变量（来自输入信号）。
如果一个信号没有连接或尚未接收任何数据，这些变量将包含None。
当多个输入连接到小部件时，可以使用in_datas、in_distances、in_learners、in_classifiers和in_objects列表。

脚本执行后，脚本本地命名空间中的变量被提取并用作小部件的输出。小部件可以进一步连接到其他小部件，用于可视化输出。

例如，以下脚本将简单地传递它接收到的所有信号：

out_data = in_data
out_distance = in_distance
out_learner = in_learner
out_classifier = in_classifier
out_object = in_object

注意：您不应该直接修改输入对象。

1.信息框包含Orange Python脚本的基本操作符名称。
2.库控件可用于管理多个脚本。按下"+"将添加新条目并打开Python脚本编辑器。当脚本修改后，其在库中的条目将更改，以表示它有未保存的更改。按下更新将保存脚本（键盘快捷键"Ctrl+S"）。可以通过选择并按下"-"按钮来删除脚本。
3.在运行框中按下执行运行脚本（键盘快捷键"Ctrl+R"）。任何脚本输出（来自print）都被捕获并在脚本下面的控制台显示。
4.左侧的Python脚本编辑器可用于编辑脚本（它支持一些基本的语法高亮）。
5.控制台显示脚本的输出。

举例：
Python脚本小部件旨在为高级用户提供功能扩展。Orange库中的类在文档中有详细描述。要获取关于Orange Table类的更多信息，请参见表、域和变量文档。

例如，您可以使用属性进行批量过滤。我们使用zoo.tab作为示例，过滤出所有具有超过5个离散值的属性。在我们的情况下，这仅移除了'leg'属性，但想象一个有许多此类属性的示例。

mdf.columns
help(in_data)
help(in_data.to_pandas_dfs())
in_data.to_pandas_dfs()
out_data=OrangeDataFrame(result).to_orange_table()
result=xdf.query('年龄 >60')

数据传递
out_data=in_data

过滤
#转换成dataframe
xdf, ydf, mdf=in_data.to_pandas_dfs()
#年龄大于60岁
out_data_df=xdf.query('年龄 >60')
#年龄为男
out_object_df=xdf.query('性别 == 1')
#构建Orange3表格
out_data=OrangeDataFrame(out_data_df).to_orange_table()
out_object=OrangeDataFrame(out_object_df).to_orange_table()

视频教程：关注我不迷路, 抖音：Orange3dev

https://www.douyin.com/user/MS4wLjABAAAAicBGZTE2kX2EVHJPe8Ugk3_nlJk9Nha8OZh4Bo_nTu8
1-Orange3安装
2-Orange3汉化DIY
3-Orange3创建快方式
4-数据导入(文件&数据表格组件)
5-数据导入(Python组件)
6-Python库安装(SQL表组件)
7-数据导入(Mysql)
8-数据导入(数据绘画和公式组件)
9-数据修改(域编辑和保存组件)
10-数据可视化(调色板&数据信息组件)
11-数据可视化(特征统计组件)
12-数据预处理(行选择组件)
13-特征选择(Rank组件)
14-数据转换(数据采样组件)
15-数据预处理(列选择组件)
16-数据预处理(转置组件)
17-数据预处理(合并数据组件)
18-数据预处理(连接组件)无主表且列数不同
19-数据预处理(连接组件)主附表
20-数据预处理(索引选择器组件)
21-数据预处理(唯一组件)
22-数据预处理(列聚合组件）
23-数据预处理(分组组件)
24-数据预处理(透视图表组件)
25-数据预处理(转换器组件)-表格互为模板
26-数据预处理(转换器组件)-转换示例
27-数据预处理(预处理器组件)-基本信息
28-数据预处理(预处理器组件)-特征选择
29-数据预处理(预处理器组件)-填充缺失值并标准化特征
30-数据预处理(预处理器组件)-离散化连续变量
31-数据预处理(预处理器组件)-连续化离散变量
32-数据预处理(预处理器组件)-主成分分析PCA与CUR分解
33-数据预处理(缺失值处理组件)
34-数据预处理(连续化组件)
35-数据预处理(离散化组件)
36-数据预处理(随机化组件)
37-数据预处理(清理特征组件)-清理未使用特征值及常量特征
38-数据预处理(宽转窄组件)
39-数据预处理(公式组件)
40-数据预处理(分类器组件)
41-数据预处理(创建实例)
42-数据预处理(Python代码组件)