数据框转换后保留标题答案

【问题标题】：Keep headers after dataframe transformation数据框转换后保留标题
【发布时间】：2019-07-09 01:14:06
【问题描述】：

我正在使用带有一些微阵列的 sklearn 和 pandas，并且我有一个带有每个列的 pandas DataFrame。所以我正在对数据框进行一些转换，本质上是特征选择。

data = pd.read_csv("data.txt")
print(data)

导致

    1007_s_at  1053_at       ...         AFFX-TrpnX-5_at  AFFX-TrpnX-M_at
0     3.96932  2.52634       ...                 2.09691          1.99123
1     4.10452  2.43457       ...                 2.28103          2.06446
2     3.95308  2.36736       ...                 2.11059          1.80618
3     3.99712  2.55388       ...                 2.13354          1.91908
4     3.95279  2.21484       ...                 2.22531          2.03342
..        ...      ...       ...                     ...              ...
96    3.79560  2.74194       ...                 2.01703          2.03743
97    3.79817  2.47422       ...                 2.12385          2.07188
98    3.84186  2.59329       ...                 2.16435          1.69897

[99 rows x 22283 columns]

如我们所见，每一列都有一个名称。

然后我使用 VarianceThreshold 方法删除一些列

data = VarianceThreshold(0.04).fit_transform(data)
print(data)
print("After Variance Threshold data shape: ", data.shape)

所以新数据看起来像

[[4.1835  2.20952 2.41664 ... 2.21748 2.69197 2.41996]
 [3.82478 2.2878  1.69897 ... 1.87506 2.09691 2.35411]
 [4.1503  2.32015 2.35793 ... 2.01284 2.2833  2.15534]
 ...
 [3.85576 3.26694 2.71684 ... 2.68305 3.18298 2.83378]
 [3.25912 2.04922 2.58092 ... 2.0607  2.66932 2.42325]
 [3.34044 2.24551 2.60097 ... 2.03743 2.31806 2.35984]]
After Variance Threshold data shape:  (99, 5002)

现在，数据是一个 numpy 数组，我丢失了原始数据帧中剩余的每一列的标题。

有什么方法可以让它们与 pandas/numpy 一起保存吗？

【问题讨论】：

Numpy 数组没有标题。考虑到我们看不到任何您为转换数据和在数组和数据帧之间切换所采取的步骤，因此不可能提出任何建议。请给minimal reproducible example
@roganjosh 我编辑了帖子并添加了更多信息
22283列到5002，如何保留列名？
@AndyHayden 我不明白你想说什么
当标题较少时如何“保留标题”

标签： python pandas numpy scikit-learn

【解决方案1】：

您可以使用get_support 来获取掩码而不是结果：

In [11]: df = pd.DataFrame([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]], columns=list("ABCD"))

In [12]: df
Out[12]:
   A  B  C  D
0  0  2  0  3
1  0  1  4  3
2  0  1  1  3

In [13]: VarianceThreshold().fit(df).get_support()
Out[13]: array([False,  True,  True, False])

In [14]: df.loc[:, VarianceThreshold().fit(df).get_support()]
Out[14]:
   B  C
0  2  0
1  1  4
2  1  1

在你的例子中：

df.loc[:, VarianceThreshold(0.04).fit(data).get_support()]

【讨论】：

漂亮的答案安迪。尽管在“您的示例”部分中，它将是 data.loc[:, VarianceThreshold(0.04).fit(data).get_support()]。这就像一个魅力。非常感谢。