ฉันจะแปลงข้อมูลจากวัตถุ Scikit-learn Bunch เป็น Pandas DataFrame ได้อย่างไร
from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
print(type(data))
data1 = pd. # Is there a Pandas method to accomplish this?
ฉันจะแปลงข้อมูลจากวัตถุ Scikit-learn Bunch เป็น Pandas DataFrame ได้อย่างไร
from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
print(type(data))
data1 = pd. # Is there a Pandas method to accomplish this?
คำตอบ:
คุณสามารถใช้ตัวpd.DataFrame
สร้างด้วยตนเองโดยให้อาร์เรย์ numpy ( data
) และรายการชื่อของคอลัมน์ ( columns
) หากต้องการมีทุกอย่างใน DataFrame เดียวคุณสามารถเชื่อมต่อคุณลักษณะและเป้าหมายลงในอาร์เรย์ตัวเลขเดียวโดยใช้np.c_[...]
(หมายเหตุ[]
):
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
# save load_iris() sklearn dataset to iris
# if you'd like to check dataset type use: type(load_iris())
# if you'd like to view list of attributes use: dir(load_iris())
iris = load_iris()
# np.c_ is the numpy concatenate function
# which is used to concat iris['data'] and iris['target'] arrays
# for pandas column argument: concat iris['feature_names'] list
# and string list (in this case one string); you can make this anything you'd like..
# the original dataset would probably call this ['Species']
data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
columns= iris['feature_names'] + ['target'])
load_boston()
. คำตอบนี้ใช้ได้ผลมากกว่า: stackoverflow.com/a/46379878/1840471
from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
df = pd.DataFrame(data.data, columns=data.feature_names)
df.head()
บทแนะนำนี้อาจเป็นที่สนใจ: http://www.neural.cz/dataset-exploration-boston-house-pricing.html
โซลูชันของ TOMDLt ไม่ได้เป็นแบบทั่วไปเพียงพอสำหรับชุดข้อมูลทั้งหมดใน scikit-learn ตัวอย่างเช่นใช้ไม่ได้กับชุดข้อมูลที่อยู่อาศัยของบอสตัน ฉันเสนอวิธีแก้ปัญหาที่แตกต่างซึ่งเป็นสากลมากขึ้น ไม่ต้องใช้นูปปี้ด้วย
from sklearn import datasets
import pandas as pd
boston_data = datasets.load_boston()
df_boston = pd.DataFrame(boston_data.data,columns=boston_data.feature_names)
df_boston['target'] = pd.Series(boston_data.target)
df_boston.head()
ตามหน้าที่ทั่วไป:
def sklearn_to_df(sklearn_dataset):
df = pd.DataFrame(sklearn_dataset.data, columns=sklearn_dataset.feature_names)
df['target'] = pd.Series(sklearn_dataset.target)
return df
df_boston = sklearn_to_df(datasets.load_boston())
pd.Series(sklearn_dataset.target)
สามารถแทนที่ด้วยsklearn_dataset.target
? อย่างน้อยก็ใช้ได้กับฉันกับแพนด้า 1.1.3
ฉันใช้เวลา 2 ชั่วโมงในการคิดออก
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
##iris.keys()
df= pd.DataFrame(data= np.c_[iris['data'], iris['target']],
columns= iris['feature_names'] + ['target'])
df['species'] = pd.Categorical.from_codes(iris.target, iris.target_names)
คืนสายพันธุ์ให้แพนด้าของฉัน
เป็นอีกทางเลือกหนึ่งที่ฉันสามารถพันศีรษะได้ง่ายขึ้น:
data = load_iris()
df = pd.DataFrame(data['data'], columns=data['feature_names'])
df['target'] = data['target']
df.head()
โดยทั่วไปแทนที่จะเชื่อมต่อจาก get go เพียงแค่สร้าง data frame ที่มีเมทริกซ์ของคุณสมบัติจากนั้นเพิ่มคอลัมน์เป้าหมายด้วย data ['whatvername'] และคว้าค่าเป้าหมายจากชุดข้อมูล
มิฉะนั้นให้ใช้ชุดข้อมูลทะเลซึ่งเป็นเฟรมข้อมูลแพนด้าจริง:
import seaborn
iris = seaborn.load_dataset("iris")
type(iris)
# <class 'pandas.core.frame.DataFrame'>
เปรียบเทียบกับชุดข้อมูลการเรียนรู้ scikit:
from sklearn import datasets
iris = datasets.load_iris()
type(iris)
# <class 'sklearn.utils.Bunch'>
dir(iris)
# ['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']
สิ่งนี้ใช้ได้กับฉัน
dataFrame = pd.dataFrame(data = np.c_[ [iris['data'],iris['target'] ],
columns=iris['feature_names'].tolist() + ['target'])
วิธีอื่นในการรวมคุณสมบัติและตัวแปรเป้าหมายสามารถใช้ได้np.column_stack
( รายละเอียด )
import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
data = load_iris()
df = pd.DataFrame(np.column_stack((data.data, data.target)), columns = data.feature_names+['target'])
print(df.head())
ผลลัพธ์:
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) target
0 5.1 3.5 1.4 0.2 0.0
1 4.9 3.0 1.4 0.2 0.0
2 4.7 3.2 1.3 0.2 0.0
3 4.6 3.1 1.5 0.2 0.0
4 5.0 3.6 1.4 0.2 0.0
หากคุณต้องการฉลากสตริงสำหรับtarget
แล้วคุณสามารถใช้replace
โดยการแปลงtarget_names
ไปdictionary
และเพิ่มคอลัมน์ใหม่:
df['label'] = df.target.replace(dict(enumerate(data.target_names)))
print(df.head())
ผลลัพธ์:
sepal length (cm) sepal width (cm) petal length (cm) petal width (cm) target label
0 5.1 3.5 1.4 0.2 0.0 setosa
1 4.9 3.0 1.4 0.2 0.0 setosa
2 4.7 3.2 1.3 0.2 0.0 setosa
3 4.6 3.1 1.5 0.2 0.0 setosa
4 5.0 3.6 1.4 0.2 0.0 setosa
โดยพื้นฐานแล้วสิ่งที่คุณต้องการคือ "ข้อมูล" และคุณมีอยู่ในกลุ่ม scikit ตอนนี้คุณต้องการเพียง "เป้าหมาย" (การคาดคะเน) ซึ่งอยู่ในกลุ่ม
ดังนั้นเพียงแค่ต้องเชื่อมสองสิ่งนี้เข้าด้วยกันเพื่อให้ข้อมูลสมบูรณ์
data_df = pd.DataFrame(cancer.data,columns=cancer.feature_names)
target_df = pd.DataFrame(cancer.target,columns=['target'])
final_df = data_df.join(target_df)
ในเวอร์ชัน 0.23 คุณสามารถส่งคืน DataFrame ได้โดยตรงโดยใช้as_frame
อาร์กิวเมนต์ ตัวอย่างเช่นการโหลดชุดข้อมูลม่านตา:
from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
df = iris.data
ตามความเข้าใจของฉันโดยใช้บันทึกประจำรุ่นซึ่งใช้งานได้กับชุดข้อมูลมะเร็งเต้านมเบาหวานตัวเลขม่านตาลินเนอร์ดไวน์และ california_houses
คุณสามารถใช้พารามิเตอร์as_frame=True
เพื่อรับดาต้าเฟรมของแพนด้า
from sklearn import datasets
X,y = datasets.load_iris(return_X_y=True) # numpy arrays
dic_data = datasets.load_iris(as_frame=True)
print(dic_data.keys())
df = dic_data['frame'] # pandas dataframe data + target
df_X = dic_data['data'] # pandas dataframe data only
ser_y = dic_data['target'] # pandas series target only
dic_data['target_names'] # numpy array
from sklearn import datasets
fnames = [ i for i in dir(datasets) if 'load_' in i]
print(fnames)
fname = 'load_boston'
loader = getattr(datasets,fname)()
df = pd.DataFrame(loader['data'],columns= loader['feature_names'])
df['target'] = loader['target']
df.head(2)
นี่เป็นวิธีที่ง่ายสำหรับฉัน
boston = load_boston()
boston_frame = pd.DataFrame(data=boston.data, columns=boston.feature_names)
boston_frame["target"] = boston.target
แต่สามารถใช้กับ load_iris ได้เช่นกัน
การหาคำตอบที่ดีที่สุดและตอบความคิดเห็นของฉันนี่คือฟังก์ชั่นสำหรับการแปลง
def bunch_to_dataframe(bunch):
fnames = bunch.feature_names
features = fnames.tolist() if isinstance(fnames, np.ndarray) else fnames
features += ['target']
return pd.DataFrame(data= np.c_[bunch['data'], bunch['target']],
columns=features)
สิ่งที่ TomDLT ตอบมันอาจไม่ได้ผลสำหรับคุณบางคนเพราะ
data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
columns= iris['feature_names'] + ['target'])
เนื่องจาก iris ['feature_names'] ส่งคืนอาร์เรย์จำนวนนับให้คุณ ในอาร์เรย์ numpy คุณไม่สามารถเพิ่มอาร์เรย์และรายการ ['target'] โดยใช้ตัวดำเนินการเพียง + ดังนั้นคุณต้องแปลงเป็นรายการก่อนแล้วจึงเพิ่ม
คุณทำได้
data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
columns= list(iris['feature_names']) + ['target'])
วิธีนี้จะได้ผลดี ..
อาจจะมีวิธีที่ดีกว่านี้ แต่นี่คือสิ่งที่ฉันเคยทำในอดีตและมันได้ผลดี:
items = data.items() #Gets all the data from this Bunch - a huge list
mydata = pd.DataFrame(items[1][1]) #Gets the Attributes
mydata[len(mydata.columns)] = items[2][1] #Adds a column for the Target Variable
mydata.columns = items[-1][1] + [items[2][0]] #Gets the column names and updates the dataframe
ตอนนี้ mydata มีทุกสิ่งที่คุณต้องการไม่ว่าจะเป็นแอตทริบิวต์ตัวแปรเป้าหมายและชื่อคอลัมน์
mydata = pd.DataFrame(items[1][1])
พ่นTypeError: 'dict_items' object does not support indexing
ตัวอย่างนี้เป็นเพียงน้ำตาลเชิงไวยากรณ์ที่สร้างขึ้นจากสิ่งที่TomDLT และ rolyatได้สนับสนุนและอธิบายไว้แล้ว ความแตกต่างเพียงอย่างเดียวคือload_iris
จะส่งคืนทูเปิลแทนที่จะเป็นพจนานุกรมและมีการแจกแจงชื่อคอลัมน์
df = pd.DataFrame(np.c_[load_iris(return_X_y=True)])
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
X = iris['data']
y = iris['target']
iris_df = pd.DataFrame(X, columns = iris['feature_names'])
iris_df.head()
วิธีที่ดีที่สุดวิธีหนึ่ง:
data = pd.DataFrame(digits.data)
Digits คือ dataframe แบบ sklearn และฉันแปลงเป็น DataFrame แพนด้า
ฉันได้แนวคิดสองสามข้อจากคำตอบของคุณและฉันไม่รู้ว่าจะทำให้สั้นลงได้อย่างไร :)
import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris['feature_names'])
df['target'] = iris['target']
สิ่งนี้ทำให้ Pandas DataFrame พร้อมด้วย feature_names บวกเป้าหมายเป็นคอลัมน์และ RangeIndex (start = 0, stop = len (df), step = 1) ฉันต้องการรหัสที่สั้นกว่านี้ซึ่งฉันสามารถเพิ่ม 'เป้าหมาย' ได้โดยตรง
API นั้นสะอาดกว่าคำตอบที่แนะนำเล็กน้อย ที่นี่ใช้as_frame
และต้องแน่ใจว่าได้รวมคอลัมน์การตอบกลับด้วย
import pandas as pd
from sklearn.datasets import load_wine
features, target = load_wine(as_frame=True).data, load_wine(as_frame=True).target
df = features
df['target'] = target
df.head(2)
นี่คือตัวอย่างวิธีการแบบบูรณาการอื่นที่อาจเป็นประโยชน์
from sklearn.datasets import load_iris
iris_X, iris_y = load_iris(return_X_y=True, as_frame=True)
type(iris_X), type(iris_y)
ข้อมูล iris_X ถูกอิมพอร์ตเป็น DataFrame แพนด้าและ iris_y เป้าหมายจะถูกอิมพอร์ตเป็นซีรีส์แพนด้า
from sklearn.datasets import load_iris
import pandas as pd
iris_dataset = load_iris()
datasets = pd.DataFrame(iris_dataset['data'], columns =
iris_dataset['feature_names'])
target_val = pd.Series(iris_dataset['target'], name =
'target_values')
species = []
for val in target_val:
if val == 0:
species.append('iris-setosa')
if val == 1:
species.append('iris-versicolor')
if val == 2:
species.append('iris-virginica')
species = pd.Series(species)
datasets['target'] = target_val
datasets['target_name'] = species
datasets.head()