web-dev-qa-db-ja.com

Scikit-learnデータセットをPandasデータセットに変換する方法は？

Scikit-learn BunchオブジェクトのデータをPandas DataFrameに変換するにはどうすればよいですか？

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?
datasetscikit-learnpandas
65
SANBI samples

手動で、pd.DataFrameコンストラクターを使用して、numpy配列（data）と列の名前のリスト（columns）を指定できます。すべてを1つのDataFrameに含めるには、機能とターゲットをnp.c_[...]で1つのnumpy配列に連結できます（[]に注意してください）。

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'])
91
TomDLT
from sklearn.datasets import load_iris
import pandas as pd

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

このチュートリアルは興味深いかもしれません： http://www.neural.cz/dataset-exploration-boston-house-pricing.html

38
justin4480

TOMDLtのソリューションは、scikit-learnのすべてのデータセットに十分な汎用性はありません。たとえば、ボストンハウジングデータセットでは機能しません。より普遍的な別のソリューションを提案します。 numpyも使用する必要はありません。

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()

一般的な機能として：

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())
29
Nilav Baran Ghosh

頭をより簡単にラップできる代替手段として：

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

基本的に、取得から連結するのではなく、フィーチャのマトリックスでデータフレームを作成し、データ['whatvername']でターゲット列を追加して、データセットからターゲット値を取得するだけです。

7
daguito81

これは私のために動作します。

dataFrame = pd.dataFrame(data = np.c_[ [iris['data'],iris['target'] ],
columns=iris['feature_names'].tolist() + ['target'])
4
Mukul Aggarwal

これを理解するのに2時間かかった

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)

パンダの種を取り戻す

3
Victor Tong

機能とターゲット変数を組み合わせる他の方法は、np.column_stack（- details ）を使用することです

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())

結果：

   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

targetの文字列ラベルが必要な場合は、target_namesをreplaceに変換してdictionaryを使用し、新しい列を追加できます。

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

結果：

   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
2
student

ベストアンサーを解決し、私のコメントに対処します。変換用の関数を次に示します

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)
1
user1969453
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()
0
Manideep Pullalachervu

最良の方法の1つ：

data = pd.DataFrame(digits.data)

Digitsはsklearnデータフレームであり、pandas DataFrameに変換しました

0
Shilp Baroda

TomDLTが答えたものは何でもあなたのために働かないかもしれません

data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                 columns= iris['feature_names'] + ['target'])

iris ['feature_names']はnumpy配列を返すためです。 numpy配列では、+演算子だけでは配列とリスト['target']を追加できません。したがって、最初にリストに変換してから追加する必要があります。

できるよ

data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                 columns= list(iris['feature_names']) + ['target'])

これはうまく動作します。

0
Himanshu Poddar

このスニペットは、 TomDLTおよびrolyat がすでに貢献および説明したものの上に構築された 構文糖 のみです。唯一の違いは、load_irisが辞書の代わりにタプルを返し、列名が列挙されることです。

df = pd.DataFrame(np.c_[load_iris(return_X_y=True)])
0
Jeff Hernandez

より良い方法があるかもしれませんが、これは私が過去にやったことであり、非常にうまく機能します：

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

これで、mydataに必要なものすべてが含まれます-属性、ターゲット変数、列名

0
HakunaMaData