如何在PyCaret中获取所有分类与数值特征列表？

在PyCaret中，setup()执行后，可通过内置的get_config()函数直接提取它自动推断的分类变量和数值变量列表，具体操作如下：

• 先执行setup()初始化分类实验（需传入数据集和目标列）
• 调用get_config()并传入对应参数获取变量列表：
  • 分类变量：使用get_config('categorical_features')
  • 数值变量：使用get_config('numeric_features')

代码示例 #

from pycaret.classification import setup, get_config

# 初始化分类实验
setup(data=your_dataset, target='target_column_name')

# 获取自动推断的分类变量列表
categorical_vars = get_config('categorical_features')
# 获取自动推断的数值变量列表
numeric_vars = get_config('numeric_features')

# 打印结果
print("分类变量：", categorical_vars)
print("数值变量：", numeric_vars)

补充说明 #

• 必须在setup()执行完成后再调用get_config()，否则会触发配置未初始化的错误
• 若数据包含日期类型变量，可通过get_config('date_features')获取对应变量列表
• 这些变量列表是setup()依据数据类型、唯一值数量等规则自动识别的，与EDA阶段的变量分类完全一致

内容的提问来源于stack exchange，提问作者sbhadwal