如何获取OpenML数据集特征元数据 准确区分标称与数值特征

你需要的特征类型标记直接可以通过fetch_openml返回的原生对象提取，不需要自行根据pandas列类型判断，官方标记的特征类型准确率远高于自行推断：

• 第一步：加载数据集并提取元数据

import pandas as pd
from sklearn.datasets import fetch_openml

# 替换为目标数据集的ID或名称
data = fetch_openml(name="目标数据集名称", version=1, as_frame=True)
# 官方标注的完整特征元数据存储在features属性中
feature_meta = data.features
# 数据集内容存储在frame属性中
df = data.frame

• 第二步：区分分类（标称）、数值特征
  feature_meta的data_type字段为OpenML官方标注的特征类型，nominal对应分类特征，numeric对应数值特征，完全匹配官网公布的特征分类：

# 提取分类特征列表
cat_features = feature_meta[feature_meta['data_type'] == 'nominal']['name'].tolist()
# 提取数值特征列表
num_features = feature_meta[feature_meta['data_type'] == 'numeric']['name'].tolist()

# 统计两类特征数量
cat_feature_count = len(cat_features)
num_feature_count = len(num_features)

• 第三步：计算两类特征的平均唯一值数量

# 分类特征平均唯一值
avg_cat_unique = df[cat_features].nunique().mean()
# 数值特征平均唯一值
avg_num_unique = df[num_features].nunique().mean()

内容的提问来源于stack exchange，提问作者user12314098