回答:
手動で、pd.DataFrame
numpy配列(data
)と列名のリスト()を指定してコンストラクターを使用できますcolumns
。すべてを1つのDataFrameに含めるには、機能とターゲットを1つの派手な配列に連結できますnp.c_[...]
(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'])
load_boston()
。この答えは、より一般的に動作します:stackoverflow.com/a/46379878/1840471
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おそらく興味深いでしょう:http : //www.neural.cz/dataset-exploration-boston-house-pricing.html
TOMDLtのソリューションは、scikit-learnのすべてのデータセットに対して十分に一般的ではありません。たとえば、ボストンハウジングの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を使用する必要もありません。
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())
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
それ以外の場合は、実際のパンダデータフレームであるseabornデータセットを使用します。
import seaborn
iris = seaborn.load_dataset("iris")
type(iris)
# <class 'pandas.core.frame.DataFrame'>
scikit学習データセットと比較:
from sklearn import datasets
iris = datasets.load_iris()
type(iris)
# <class 'sklearn.utils.Bunch'>
dir(iris)
# ['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']
機能とターゲット変数を組み合わせる他の方法を使用することができますnp.column_stack
(詳細)
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
の文字列ラベルが必要な場合は、新しい列に変換して追加するtarget
ことで使用できます。replace
target_names
dictionary
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
パラメータas_frame=True
を使用して、pandasデータフレームを取得できます。
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
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)
ベストアンサーを作成し、私のコメントに対処します。変換用の関数があります
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)
TomDLTが答えたものは何人かではうまくい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、数の多い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、まず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'])
これは問題なく動作します。
より良い方法があるかもしれませんが、これは私が過去に行ったことであり、それは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に必要なものがすべて含まれます-属性、ターゲット変数、列名
mydata = pd.DataFrame(items[1][1])
スローTypeError: 'dict_items' object does not support indexing
このスニペットは、TomDLTとrolyatがすでに貢献して説明したものに基づいて構築された構文上の砂糖にすぎません。唯一の違いは、辞書ではなくタプルを返し、列名が列挙されることです。load_iris
df = pd.DataFrame(np.c_[load_iris(return_X_y=True)])
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()
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、私はそれをpandas DataFrameに変換しました
私はあなたの回答からいくつかのアイデアを取り入れましたが、それを短くする方法がわかりません:)
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']
これにより、列としてのfeature_namesとターゲットを含むPandas DataFrameとRangeIndex(start = 0、stop = len(df)、step = 1)が得られます。「ターゲット」を直接追加できる短いコードが欲しいのですが。
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()