ColumnTransformerのremainder='drop'と'passthrough'の違い（Python3データ分析）

remainder='drop'（既定）とremainder='passthrough'の要点

違いを表で確認

どこで迷っているかを切り分ける

具体例で使い分ける

問題文から答えを選ぶ手順

1. 1

   変換する列を決める

   transformersに書く列（列の番号や列名）を決めます。

2. 2

   残りの列が必要か決める

   指定しなかった列を出力に使うなら'passthrough'、使わないなら既定の'drop'のままにします。

3. 3

   出力の列数を確かめる

   'drop'なら指定した列の変換結果の分だけ、'passthrough'ならそれに残りの列数を足した数です。

試験での見分け方

• 1remainderの既定値は'drop'。指定しなかった列は出力に出ない。
• 2指定しなかった列を変換せずに残すなら、remainder='passthrough'。
• 3'passthrough'で残した列は、変換器の出力の右側に加わる。
• 4transformersの中の'drop'・'passthrough'は、その列だけに対する指定。
• 5remainderには'drop'・'passthrough'のほか、推定器も渡せる。

誤答しやすい選択肢

確認問題

到達チェック

• ✓remainderの既定値が'drop'だと説明できる
• ✓'passthrough'で出力の列数がいくつになるか数えられる
• ✓残した列が出力の右側に加わると説明できる

関連ページで確認する

• 変換器と推定器の違いを読む変換器（transform）と推定器（predict）の役割の違いを確認する。
• fit_transformとtransformの違いを読む変換器をテストデータにfitしない理由を確認する。
• StandardScalerとMinMaxScalerの違いを読む例で使った標準化と、0〜1の範囲に揃える方法を比べる。
• scikit-learnの章の問題を解く第6章の一問一答で、変換器とパイプラインの出題を練習する。

同じ資格で次に知りたいこと

• plt.figure()とplt.subplots()の違い｜Axesの有無（Python3データ分析）

  plt.figure()はAxesのない空のFigure、plt.subplots()はAxes付きのFigureを作ります。plt.subplots(2, 2)の格子、subplot_mosaicとの違い、戻り値の受け取り方を、Matplotlib公式のQuick start guideで照合してまとめます。

• Pipelineとmake_pipelineの違い（Python3データ分析）

  scikit-learnのPipelineは(名前, 推定器)のタプルで工程に名前を付け、make_pipelineは推定器だけを渡して名前を型の小文字で自動に付けます。StandardScalerとSVCを例に、両者の書き方と名前の違いを公式文書で照合してまとめます。

• NumPyのaxis=0とaxis=1の違い｜列ごとの集計と行ごとの集計（Python3データ分析試験）

  NumPyのaxis=0は列ごと、axis=1は行ごとに計算します。3行4列の配列でsum・min・cumsumの結果を並べ、pandasのmean(axis=1)との対応、間違えやすい点と確認問題をまとめます。

よくある質問

次に見る比較

• G検定・DS検定・統計検定2級で重なる用語10語の比較

  同じ名前の用語の定義と収録章を、資格ごとに並べます。

• ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）

  求める確率の向きの違いと、陽性になる確率の計算例を確かめます。

• 紛らわしい用語ペア早見表

  混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。