使用numpy/scikit函数保持pandas结构

Question

我正在使用read_csv()熊猫的优秀功能,它给出了:

In [31]: data = pandas.read_csv("lala.csv", delimiter=",")

In [32]: data
Out[32]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 12083 entries, 0 to 12082
Columns: 569 entries, REGIONC to SCALEKER
dtypes: float64(51), int64(518)

但是当我从scikit-learn应用函数时,我松开了有关列的信息:

from sklearn import preprocessing
preprocessing.scale(data)

给出numpy数组.

有没有办法在不丢失信息的情况下将scikit或numpy函数应用于DataFrames？

Answer 1

这可以通过将返回的数据包装在数据框中,index并使用其中的columns信息来完成.

import pandas as pd
pd.DataFrame(preprocessing.scale(data), index = data.index, columns = data.columns) 

Answer 2

一种(略显天真)的方式是分别存储数据框的结构,即其列和索引,然后从预处理结果中创建一个新的数据框,如下所示:

In [15]: data = np.zeros((2,2))

In [16]: data
Out[16]: 
array([[ 0.,  0.],
       [ 0.,  0.]])

In [17]: from pandas import DataFrame

In [21]: df  = DataFrame(data, index = ['first', 'second'], columns=['c1','c2'])

In [22]: df
Out[22]: 
        c1  c2
first    0   0
second   0   0

In [26]: i = df.index

In [27]: c = df.columns

# generate new data as a numpy array    
In [29]: df  = DataFrame(np.random.rand(2,2), index=i, columns=c)

In [30]: df
Out[30]: 
              c1        c2
first   0.821354  0.936703
second  0.138376  0.482180

正如您所看到的Out[22],我们从数据框开始,然后在In[29]框架内放置一些新数据,保持行和列不变.我假设你的预处理将not洗牌数据的行/列.