如何将Scikit-learn数据集转换为Pandas数据集？

Question

如何将数据从Scikit-learn Bunch对象转换为Pandas DataFrame？

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?

Answer 1

手动,您可以使用pd.DataFrame构造函数,给出一个numpy数组(data)和列的名称列表(columns).要将所有内容都放在一个DataFrame中,您可以将功能和目标连接成一个numpy数组np.c_[...](注意[]):

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'])

Answer 2

from sklearn.datasets import load_iris
import pandas as pd

data = load_iris()
df = pd.DataFrame(data.data, columns=data.feature_names)
df.head()

本教程可能很有用:http://www.neural.cz/dataset-exploration-boston-house-pricing.html

Answer 3

TOMDLt的解决方案对于scikit-learn中的所有数据集都不够通用.例如,它不适用于波士顿住房数据集.我提出了一个更普遍的不同解决方案.也不需要使用numpy.

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()

作为一般功能:

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())

Answer 4

我花了 2 个小时才弄明白

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)

为我的熊猫取回物种

Answer 5

作为一种替代方案,我可以更轻松地包裹我的头脑:

data = load_iris()
df = pd.DataFrame(data['data'], columns=data['feature_names'])
df['target'] = data['target']
df.head()

基本上不是从get get连接,只需用特征矩阵创建一个数据框,然后只需添加数据['whatvername']的目标列,并从数据集中获取目标值

Answer 6

否则使用seaborn 数据集，它们是实际的熊猫数据框：

import seaborn
iris = seaborn.load_dataset("iris")
type(iris)
# <class 'pandas.core.frame.DataFrame'>

与scikit学习数据集对比：

from sklearn import datasets
iris = datasets.load_iris()
type(iris)
# <class 'sklearn.utils.Bunch'>
dir(iris)
# ['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']

Answer 7

这是对我有用的简单方法。

boston = load_boston()
boston_frame = pd.DataFrame(data=boston.data, columns=boston.feature_names)
boston_frame["target"] = boston.target

但这也适用于 load_iris。

Answer 8

许多解决方案要么缺少列名称，要么缺少物种目标名称。该解决方案提供了 target_name 标签。

@Ankit-mathanker的解决方案有效，但是它迭代数据帧系列“target_names”以替换整数标识符的虹膜种类。

根据这句格言“如果不需要，就不要迭代 Dataframe ”，以下解决方案利用 pd.replace() 来更简洁地完成替换。

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
df = pd.DataFrame(iris['data'], columns = iris['feature_names'])
df['target'] = pd.Series(iris['target'], name = 'target_values')
df['target_name'] = df['target'].replace([0,1,2],
['iris-' + species for species in iris['target_names'].tolist()])

df.head(3)

	萼片长度（厘米）	萼片宽度（厘米）	花瓣长度（厘米）	花瓣宽度（厘米）	目标	目标名称
0	5.1	3.5	1.4	0.2	0	鸢尾
1	4.9	3.0	1.4	0.2	0	鸢尾
2	4.7	3.2	1.3	0.2	0	鸢尾

Answer 9

这对我有用。

dataFrame = pd.dataFrame(data = np.c_[ [iris['data'],iris['target'] ],
columns=iris['feature_names'].tolist() + ['target'])

Answer 10

可以使用其他方式来组合特征和目标变量np.column_stack（详细信息）

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())

结果：

   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

如果您需要 的字符串标签target，则可以replace通过转换target_names为dictionary并添加新列来使用：

df['label'] = df.target.replace(dict(enumerate(data.target_names)))
print(df.head())

结果：

   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

Answer 11

新更新

您可以使用该参数as_frame=True来获取 Pandas 数据帧。

如果 as_frame 参数可用（例如 load_iris）

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

如果 as_frame 参数不可用（例如 load_boston）

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)