DataOperationsCatalog.FilterRowsByMissingValues(IDataView, String[]) Methode
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Geben Sie Zeilen ab, in denen jede Spalte columns
einen fehlenden Wert enthält.
public Microsoft.ML.IDataView FilterRowsByMissingValues (Microsoft.ML.IDataView input, params string[] columns);
member this.FilterRowsByMissingValues : Microsoft.ML.IDataView * string[] -> Microsoft.ML.IDataView
Public Function FilterRowsByMissingValues (input As IDataView, ParamArray columns As String()) As IDataView
Parameter
- input
- IDataView
Die Eingabedaten.
- columns
- String[]
Name der Spalten, die gefiltert werden sollen. Wenn eine Zeile über einen fehlenden Wert in einer dieser Spalten verfügt, wird sie aus dem Dataset gelöscht.
Gibt zurück
Beispiele
using System;
using System.Collections.Generic;
using Microsoft.ML;
using Microsoft.ML.SamplesUtils;
namespace Samples.Dynamic
{
public class FilterRowsByMissingValues
{
/// <summary>
/// Sample class showing how to use FilterRowsByMissingValues.
/// </summary>
public static void Example()
{
// Create a new ML context, for ML.NET operations. It can be used for
// exception tracking and logging, as well as the source of randomness.
var mlContext = new MLContext();
// Create a small dataset as an IEnumerable.
var samples = new List<DataPoint>()
{
new DataPoint(){ Feature1 = 21, Feature2 = new [] { 1, 2, float.NaN}
},
new DataPoint(){ Feature1 = 40, Feature2 = new [] { 1f, 2f, 3f} },
new DataPoint(){ Feature1 = float.NaN, Feature2 = new [] { 1, 2,
float.NaN} }
};
// Convert training data to IDataView.
var data = mlContext.Data.LoadFromEnumerable(samples);
// Filter out any row with an NaN values in either column
var filteredData = mlContext.Data
.FilterRowsByMissingValues(data, new[] { "Feature1", "Feature2" });
// Take a look at the resulting dataset and note that rows with NaNs are
// filtered out. Only the second data point is left
var enumerable = mlContext.Data
.CreateEnumerable<DataPoint>(filteredData, reuseRowObject: true);
Console.WriteLine($"Feature1 Feature2");
foreach (var row in enumerable)
{
Console.WriteLine($"{row.Feature1}" +
$"\t({string.Join(", ", row.Feature2)})");
}
// Feature1 Feature2
//
// 40 (1, 2, 3)
}
private class DataPoint
{
public float Feature1 { get; set; }
public float[] Feature2 { get; set; }
}
}
}
Gilt für:
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für