在Scikit-Learn

Question

i有一个熊猫数据框架，该数据框有一些行和列。每列都有一个标题。现在，只要我继续在熊猫中进行数据操作操作，我的可变标头就会保留。但是，如果我尝试SCI-KIT-LEARN LIB的一些数据预处理功能，我最终会丢失所有标题，并且框架仅转换为数字矩阵。

我理解为什么会发生这种情况，因为Scikit-learn将Numpy ndarray作为输出。 Numpy ndarray只是矩阵将没有列名。

但这是它。如果我在数据集上构建了一些模型，即使在初始数据进行了预处理并尝试一些模型之后，我可能还必须执行更多数据操作任务，以运行其他模型以更好地拟合。如果我不知道我可能不知道特定变量的索引是什么，但是不知道要记住变量名称，甚至可以通过使用DF. -Columns查找更容易，因此无法访问列标题。

如何克服？

Edit1：使用样本数据快照进行编辑。

    Pclass  Sex Age SibSp   Parch   Fare    Embarked
0   3   0   22  1   0   7.2500  1
1   1   1   38  1   0   71.2833 2
2   3   1   26  0   0   7.9250  1
3   1   1   35  1   0   53.1000 1
4   3   0   35  0   0   8.0500  1
5   3   0   NaN 0   0   8.4583  3
6   1   0   54  0   0   51.8625 1
7   3   0   2   3   1   21.0750 1
8   3   1   27  0   2   11.1333 1
9   2   1   14  1   0   30.0708 2
10  3   1   4   1   1   16.7000 1
11  1   1   58  0   0   26.5500 1
12  3   0   20  0   0   8.0500  1
13  3   0   39  1   5   31.2750 1
14  3   1   14  0   0   7.8542  1
15  2   1   55  0   0   16.0000 1

以上基本上是熊猫的数据框架。现在，当我在此数据框架上执行此操作时，它将剥离列标题。

from sklearn import preprocessing 
X_imputed=preprocessing.Imputer().fit_transform(X_train) 
X_imputed

新数据是numpy数组的，因此列的名称被剥离了。

array([[  3.        ,   0.        ,  22.        , ...,   0.        ,
          7.25      ,   1.        ],
       [  1.        ,   1.        ,  38.        , ...,   0.        ,
         71.2833    ,   2.        ],
       [  3.        ,   1.        ,  26.        , ...,   0.        ,
          7.925     ,   1.        ],
       ..., 
       [  3.        ,   1.        ,  29.69911765, ...,   2.        ,
         23.45      ,   1.        ],
       [  1.        ,   0.        ,  26.        , ...,   0.        ,
         30.        ,   2.        ],
       [  3.        ,   0.        ,  32.        , ...,   0.        ,
          7.75      ,   3.        ]])

因此，当我在熊猫数据框架上进行一些数据操作时，我想保留列名。

Answer 1

Scikit-learn在大多数情况下确实会剥离列标题，因此随后只需将它们添加回它们即可。在您的示例中，使用

X_imputed

作为

sklearn.preprocessing

输出，将

X_train

作为原始dataFrame，您可以将列标题重新打开：

X_imputed_df = pd.DataFrame(X_imputed, columns = X_train.columns)

Answer 2

上面的答案仍然无法解决主要问题。这里有两个隐含的假设

将保留数据集的所有功能，这可能不是正确的。例如。某种特征选择功能。

find get_support（）函数说明此处

这将是获取此处所需信息的最首选，最正式的方法。根据

Amitavory's

here

Answer 3

above

中所述的列名之前，请运行类似的内容（对于列）： X_train=X_train.dropna(axis=1, how='all')
df.dropna在此处描述

从Kaggle上的中级机器学习课程的一部分适当：

from sklearn.impute import SimpleImputer

# Imputation
my_imputer = SimpleImputer()
imputed_X = pd.DataFrame(my_imputer.fit_transform(X))

# Imputation removed column names; put them back
imputed_X.columns = X.columns

Scikit-learn具有get_feature_names（）方法。这个想法是从

Answer 4

from sklearn import preprocessing as pp

poly = pp.PolynomialFeatures(3, interaction_only=False, include_bias=False)

poly.fit(X_train)

X_test_new=pd.DataFrame(poly.transform(X_test), columns=poly.get_feature_names(X_test.columns))
X_test_new.head()

可以使用keep_empty_features = true来保留所有功能，然后您可以添加原始列名称

Answer 5

from sklearn.impute import KNNImputer
import pandas as pd
import numpy as np
knn_imputer = KNNImputer(n_neighbors=5, keep_empty_features=True)
df_filled_knn = pd.DataFrame(knn_imputer.fit_transform(origin_df), columns=origin_df.columns, index=origin_df.index)

在Scikit-Learn

问题描述投票：0回答：5

5个回答

最新问题

在Scikit-Learn

问题描述 投票：0回答：5

5个回答

最新问题

问题描述投票：0回答：5