如何从Tidymodels的Recipes中提取预处理变量

提取单个预处理流程的步骤变量 #

prep后的recipe对象包含了所有预处理步骤的执行信息，有两种便捷方法提取各步骤处理的变量：

1. 使用tidy()函数（tidymodels生态配套工具，无需额外安装），它会统一返回各步骤的变量信息：

# 假设prep后的recipe对象名为prepped_rec
step_details <- tidy(prepped_rec)

返回的数据框中：

• terms列：该步骤处理的变量名称
• type列：预处理步骤的类型（如center、scale、dummy等）
• id列：步骤的唯一标识ID

如果只想查看某一步的信息，指定number参数即可：

# 查看第3个预处理步骤的变量
step3_vars <- tidy(prepped_rec, number = 3)

2. 直接访问recipe对象的steps元素：
   每个预处理步骤都是prepped_rec$steps列表中的一个元素，可直接提取其中的变量字段（不同步骤的字段名称可能为terms或columns）：

# 提取第一个步骤处理的变量
first_step_vars <- prepped_rec$steps[[1]]$terms
# 部分步骤（如step_select）使用columns字段
select_step_vars <- prepped_rec$steps[[2]]$columns

对比两组预处理的变量差异 #

先分别提取两组prepped recipe的步骤信息，再通过数据合并和分组筛选找到差异：

1. 整理两组的步骤数据：

# 假设两组prepped后的对象为prepped_rec1（组1）、prepped_rec2（组2）
rec1_steps <- tidy(prepped_rec1) %>% mutate(group = "组1")
rec2_steps <- tidy(prepped_rec2) %>% mutate(group = "组2")

combined_steps <- dplyr::bind_rows(rec1_steps, rec2_steps)

2. 筛选仅在一组中被处理的变量：

# 找出两组处理范围不同的变量
diff_terms <- combined_steps %>%
  dplyr::group_by(type, terms) %>%
  dplyr::filter(dplyr::n_distinct(group) == 1) %>%
  dplyr::ungroup()

3. 按步骤对比两组的处理差异：
   如果想查看同一类型步骤下，两组处理的变量差异，可以按步骤ID和类型分组汇总：

step_level_diff <- combined_steps %>%
  dplyr::group_by(id, type) %>%
  dplyr::summarise(
    group1_terms = ifelse("组1" %in% group, paste(terms, collapse = ", "), NA),
    group2_terms = ifelse("组2" %in% group, paste(terms, collapse = ", "), NA)
  ) %>%
  dplyr::filter(group1_terms != group2_terms | is.na(group1_terms) | is.na(group2_terms))

补充：查看生成的新变量 #

对于会生成新变量的步骤（如step_dummy()、step_pca()），可以通过以下方式查看最终变量列表，辅助对比：

# 查看组1预处理后的所有变量
names(juice(prepped_rec1))
# 查看变量的详细信息（包括来源步骤）
prepped_rec1$var_info

内容的提问来源于stack exchange，提问作者Francisco Cardozo