如何使用pleas sklearn fit_transform并返回数据帧而不是numpy数组？

1 回答

• 33

  您可以使用as_matrix()将DataFrame转换为numpy数组 . 随机数据集上的示例：

  Edit: 根据上述 as_matrix() docs的最后一句，将 as_matrix() 更改为 values ，（它不会更改结果）：

  通常，建议使用'.values' .

  import pandas as pd
  import numpy as np #for the random integer example
  df = pd.DataFrame(np.random.randint(0.0,100.0,size=(10,4)),
                index=range(10,20),
                columns=['col1','col2','col3','col4'],
                dtype='float64')
  

  注意，指数是10-19：

  In [14]: df.head(3)
  Out[14]:
      col1    col2    col3    col4
      10  3   38  86  65
      11  98  3   66  68
      12  88  46  35  68
  

  现在 fit_transform DataFrame获取 scaled_features array ：

  from sklearn.preprocessing import StandardScaler
  scaled_features = StandardScaler().fit_transform(df.values)
  
  In [15]: scaled_features[:3,:] #lost the indices
  Out[15]:
  array([[-1.89007341,  0.05636005,  1.74514417,  0.46669562],
         [ 1.26558518, -1.35264122,  0.82178747,  0.59282958],
         [ 0.93341059,  0.37841748, -0.60941542,  0.59282958]])
  

  将缩放数据分配给DataFrame（注意：使用 index 和 columns 关键字参数来保留原始索引和列名称：

  scaled_features_df = pd.DataFrame(scaled_features, index=df.index, columns=df.columns)
  
  In [17]:  scaled_features_df.head(3)
  Out[17]:
      col1    col2    col3    col4
  10  -1.890073   0.056360    1.745144    0.466696
  11  1.265585    -1.352641   0.821787    0.592830
  12  0.933411    0.378417    -0.609415   0.592830
  

  ---

  Edit 2:

  来到sklearn-pandas包裹 . 它专注于让scikit-learn更容易与熊猫一起使用 . 当您需要将多种类型的转换应用于 DataFrame 的列子集时， sklearn-pandas 特别有用，这是一种更常见的方案 . 它's documented, but this is how you'd实现了我们刚刚进行的转型 .

  from sklearn_pandas import DataFrameMapper
  
  mapper = DataFrameMapper([(df.columns, StandardScaler())])
  scaled_features = mapper.fit_transform(df.copy(), 4)
  scaled_features_df = pd.DataFrame(scaled_features, index=df.index, columns=df.columns)
  

  回复于 2024-05-03T03:51:16+08:00