如何在特征选择中定义变量名称

Question

我尝试在特征选择中定义变量的名称。我有一个这样的数据集

import pandas as pd
df = pd.DataFrame ({'a' : [1, 0,1, 0,1, 0,1, 0,1, 0 ],
             'b' : ['foo', 'bar','foo', 'bar','foo', 'bar','foo', 'bar','foo', 'bar' ] ,
             'c' : ['foo', 'bar','bar','foo','foo', 'bar','bar','foo','foo', 'bar' ],
                'd' :['d','d','b','a','d','d','a','b','d','a']    })

所以

X, y = df.ix[:, 1:], df.ix[:,[0]]
X_dummy = pd.get_dummies(X)

和

from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
X_new = SelectKBest(chi2, k=4).fit_transform(X_dummy, y)
X_new

array([[0, 1, 0, 1],
       [1, 0, 0, 1],
       [0, 1, 0, 0],
       [1, 0, 1, 0],
       [0, 1, 0, 1],
       [1, 0, 0, 1],
       [0, 1, 1, 0],
       [1, 0, 0, 0],
       [0, 1, 0, 1],
       [1, 0, 1, 0]], dtype=uint8)

我得到数组，但我想知道模型中必须包含哪些变量（b、c 或 d 或它们的虚拟选项）。如何找出这个？谢谢！

Answer 1

您可以使用拟合选择器的scores_ 属性

>> kbest = SelectKBest(chi2, k=4)
>> X_new = kbest.fit_transform(X_dummy, y)
>> X_dummy.columns[kbest.scores_.argsort()[::-1][:4]]
Index(['b_foo', 'b_bar', 'd_a', 'd_d'], dtype='object')