使用 numpy/scikit 函数保持 pandas 结构答案

【问题标题】：Keep pandas structure with numpy/scikit functions使用 numpy/scikit 函数保持 pandas 结构
【发布时间】：2013-01-26 14:56:22
【问题描述】：

我正在使用来自 pandas 的出色的 read_csv()function，它给出：

In [31]: data = pandas.read_csv("lala.csv", delimiter=",")

In [32]: data
Out[32]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 12083 entries, 0 to 12082
Columns: 569 entries, REGIONC to SCALEKER
dtypes: float64(51), int64(518)

但是当我从 scikit-learn 应用一个函数时，我会丢失有关列的信息：

from sklearn import preprocessing
preprocessing.scale(data)

给出 numpy 数组。

有没有办法在不丢失信息的情况下将 scikit 或 numpy 函数应用于 DataFrame？

【问题讨论】：

标签： python pandas numpy scikit-learn

【解决方案1】：

一种（有点天真）的方法是分别存储数据框的结构，即它的列和索引，然后从您的预处理结果创建一个新的数据框，如下所示：

In [15]: data = np.zeros((2,2))

In [16]: data
Out[16]: 
array([[ 0.,  0.],
       [ 0.,  0.]])

In [17]: from pandas import DataFrame

In [21]: df  = DataFrame(data, index = ['first', 'second'], columns=['c1','c2'])

In [22]: df
Out[22]: 
        c1  c2
first    0   0
second   0   0

In [26]: i = df.index

In [27]: c = df.columns

# generate new data as a numpy array    
In [29]: df  = DataFrame(np.random.rand(2,2), index=i, columns=c)

In [30]: df
Out[30]: 
              c1        c2
first   0.821354  0.936703
second  0.138376  0.482180

正如您在Out[22] 中看到的，我们从数据框开始，然后在In[29] 中，我们将一些新数据放入框内，而行和列保持不变。我假设您的预处理将not 打乱数据的行/列。

【讨论】：

【解决方案2】：

这可以通过将返回的数据包装在一个数据框中来完成，其中包含index 和columns 信息。

import pandas as pd
pd.DataFrame(preprocessing.scale(data), index = data.index, columns = data.columns)

【讨论】：