如何在 Python sklearn 中加载数据框？

Question

我在 IPython Notebook 中进行了一些计算，最终得到了一个尚未保存在任何地方的数据框 df。在同一个 IPython Notebook 中，我想使用 sklearn 来处理这个数据框。

df 是一个有 4 列的数据框：id (string), value(int),rated(bool), score(float)。我正在尝试确定在example 中对分数的影响最大的因素。他们在那里加载了一个标准数据集，但我想在笔记本中使用我自己的数据框。

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from matplotlib import pyplot as plt

plt.rcParams.update({'figure.figsize': (12.0, 8.0)})
plt.rcParams.update({'font.size': 14})

dataset = df
X = pd.DataFrame(dataset.data, columns=dataset.feature_names)
y = dataset.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=12)

但我得到 'DataFrame' object has no attribute 'data' 的 AttributeError

Answer 1

好的，首先澄清一下： 在您的示例中，尚不清楚 load_boston() 函数的作用。他们只是导入它。该函数返回的任何内容都有一个名为“数据”的属性。

他们使用这条线：

X = pd.DataFrame(boston.data, columns=boston.feature_names)

创建一个数据框。您的情况有所不同，因为您已经有一个数据框，而数据框没有属性“.data”。因此，您得到的错误是：“DataFrame”对象没有属性“数据”。

你需要的很简单

X = df
y = df['score']
# Split the dataset
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=12)

或者如果您只需要数据框中的某些列：

# set data
list_of_columns = ['id','value']
X = df[list_of_columns]
# set target
target_column = 'score'
y = df[target_column]
# Split the dataset
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=12)