Wie konvertiere ich einen Scikit-Lerndatensatz in einen Pandas-Datensatz?

106

Wie konvertiere ich Daten von einem Scikit-Learn Bunch-Objekt in einen 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?
SANBI-Proben
quelle

Antworten:

131

Manuell können Sie den pd.DataFrameKonstruktor verwenden, indem Sie ein numpy-Array ( data) und eine Liste der Namen der Spalten ( columns) angeben . Um alles in einem DataFrame zu haben, können Sie die Features und das Ziel in einem Numpy-Array verketten mit np.c_[...](beachten Sie Folgendes []):

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'])
TomDLT
quelle
3
Können Sie einen kleinen Text hinzufügen, um diesen Code zu erklären? Dies ist nach unseren Maßstäben etwas kurz.
Gung - Reinstate Monica
1
Einige Trauben haben die feature_names als ndarray, wodurch der Spaltenparameter unterbrochen wird.
1
Fehlender "Species" -Schlüssel und Werte für den Datenrahmen.
mastash3ff
4
Dieser Code hat bei mir nicht so funktioniert wie er ist. Für den Spaltenparameter musste ich column = np.append (iris ['feature_names'], 'target) übergeben. Habe ich etwas falsch gemacht oder muss diese Antwort bearbeitet werden?
Josh Davis
2
Dies funktioniert nicht für alle Datensätze, z load_boston(). Diese Antwort funktioniert allgemeiner: stackoverflow.com/a/46379878/1840471
Max Ghenis
73
from sklearn.datasets import load_iris
import pandas as pd

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

Dieses Tutorial könnte von Interesse sein: http://www.neural.cz/dataset-exploration-boston-house-pricing.html

justin4480
quelle
10
Die Daten müssen mit dem Ziel verkettet werden: df = pd.DataFrame (np.concatenate ((iris.data, np.array ([iris.target]). T), axis = 1), column = iris.feature_names + [' Ziel '])
Tyler 26 来 国 主
55

Die Lösung von TOMDLt ist nicht generisch genug für alle Datensätze in scikit-learn. Zum Beispiel funktioniert es nicht für den Boston Housing-Datensatz. Ich schlage eine andere Lösung vor, die universeller ist. Sie müssen auch kein Numpy verwenden.

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()

Als allgemeine Funktion:

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())
Nilav Baran Ghosh
quelle
10

Nur als Alternative, dass ich meinen Kopf viel einfacher umwickeln könnte:

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

Anstatt von Anfang an zu verketten, erstellen Sie einfach einen Datenrahmen mit der Matrix der Features und fügen Sie dann einfach die Zielspalte mit Daten ['whatvername'] hinzu und holen Sie sich die Zielwerte aus dem Datensatz

daguito81
quelle
9

Ich habe 2 Stunden gebraucht, um das herauszufinden

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)

Holen Sie sich die Art für meine Pandas zurück

Victor Tong
quelle
7

Verwenden Sie andernfalls Seaborn-Datensätze, bei denen es sich um tatsächliche Pandas-Datenrahmen handelt:

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

Vergleichen Sie mit Scikit-Lerndatensätzen:

from sklearn import datasets
iris = datasets.load_iris()
type(iris)
# <class 'sklearn.utils.Bunch'>
dir(iris)
# ['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']
Paul Rougieux
quelle
4

Das funktioniert bei mir.

dataFrame = pd.dataFrame(data = np.c_[ [iris['data'],iris['target'] ],
columns=iris['feature_names'].tolist() + ['target'])
Mukul Aggarwal
quelle
3

Eine andere Möglichkeit, Features und Zielvariablen zu kombinieren, kann die Verwendung von np.column_stack( Details ) sein.

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())

Ergebnis:

   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

Wenn Sie die Zeichenfolgenbezeichnung für benötigen target, können Sie diese verwenden, replaceindem Sie target_namesin dictionaryeine neue Spalte konvertieren und diese hinzufügen:

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

Ergebnis:

   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
Student
quelle
2

Grundsätzlich brauchen Sie die "Daten", und Sie haben sie im Scikit-Haufen, jetzt brauchen Sie nur noch das "Ziel" (Vorhersage), das sich ebenfalls im Haufen befindet.

Sie müssen diese beiden also nur zusammenfassen, um die Daten zu vervollständigen

  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)
Dhiraj Himani
quelle
2

Ab Version 0.23 können Sie mit dem as_frameArgument direkt einen DataFrame zurückgeben . Laden Sie beispielsweise den Iris-Datensatz:

from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
df = iris.data

Nach meinem Verständnis unter Verwendung der vorläufigen Versionshinweise funktioniert dies für die Datensätze Brustkrebs, Diabetes, Ziffern, Iris, Linnerud, Wein und Kalifornien.

dheinz
quelle
2

Update: 2020

Sie können den Parameter verwenden as_frame=True, um Pandas-Datenrahmen abzurufen.

Wenn der Parameter as_frame verfügbar ist (z. B. 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

Wenn der Parameter as_frame NICHT verfügbar ist (z. B. 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)
Bhishan Poudel
quelle
1

Hier ist eine Funktion für die Konvertierung, um die beste Antwort zu finden und meinen Kommentar anzusprechen

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)

quelle
1

Was auch immer TomDLT antwortete, es funktioniert möglicherweise nicht für einige von Ihnen, weil

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

weil iris ['feature_names'] Ihnen ein numpy-Array zurückgibt. In einem numpy-Array können Sie ein Array und eine Liste ['target'] nicht mit nur dem Operator + hinzufügen. Daher müssen Sie es zuerst in eine Liste konvertieren und dann hinzufügen.

Du kannst tun

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

Dies wird gut funktionieren, obwohl ..

Himanshu Poddar
quelle
0

Es könnte einen besseren Weg geben, aber hier ist, was ich in der Vergangenheit getan habe und es funktioniert ganz gut:

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

Jetzt haben mydata alles, was Sie brauchen - Attribute, Zielvariablen und Spaltennamen

HakunaMaData
quelle
1
Die Lösung von TomDLT ist viel besser als das, was ich oben vorschlage. Es macht das Gleiche, ist aber sehr elegant und leicht zu verstehen. Verwende das!
HakunaMaData
mydata = pd.DataFrame(items[1][1])WürfeTypeError: 'dict_items' object does not support indexing
SANBI Samples
0

Dieses Snippet ist nur syntaktischer Zucker, der auf dem basiert , was TomDLT und Rolyat bereits beigetragen und erklärt haben. Die einzigen Unterschiede wären, dass load_irisein Tupel anstelle eines Wörterbuchs zurückgegeben wird und die Spaltennamen aufgelistet werden.

df = pd.DataFrame(np.c_[load_iris(return_X_y=True)])
Jeff Hernandez
quelle
Vielen Dank für dieses Code-Snippet, das möglicherweise nur begrenzte und sofortige Hilfe bietet. Eine richtige Erklärung würde ihren langfristigen Wert erheblich verbessern, indem sie zeigt, warum dies eine gute Lösung für das Problem ist, und es für zukünftige Leser mit anderen, ähnlichen Fragen nützlicher machen. Bitte bearbeiten Sie Ihre Antwort, um eine Erklärung hinzuzufügen, einschließlich der von Ihnen getroffenen Annahmen.
Auf Wiedersehen StackExchange
0
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()
Manideep Pullalachervu
quelle
0

Eine der besten Möglichkeiten:

data = pd.DataFrame(digits.data)

Digits ist der sklearn-Datenrahmen und ich habe ihn in einen Pandas-Datenrahmen konvertiert

Shilp Baroda
quelle
0

Ich habe ein paar Ideen aus Ihren Antworten genommen und weiß nicht, wie ich es kürzer machen soll :)

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']

Dies ergibt einen Pandas-Datenrahmen mit Funktionsnamen plus Ziel als Spalten und RangeIndex (Start = 0, Stopp = Länge (df), Schritt = 1). Ich hätte gerne einen kürzeren Code, bei dem ich 'Ziel' direkt hinzufügen kann.

AdN14
quelle
0

Die API ist etwas sauberer als die vorgeschlagenen Antworten. Verwenden Sie hier as_frameauch eine Antwortspalte und stellen Sie sicher, dass diese enthalten ist.

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)
Statistiken anhand eines Beispiels lernen
quelle
0

Hier ist ein weiteres Beispiel für eine integrierte Methode, das möglicherweise hilfreich ist.

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)

Die Daten iris_X werden als Pandas DataFrame und die Ziel-iris_y als Pandas Series importiert.

Joe
quelle
0
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()
Ankit Mathanker
quelle