[英]Preserving the index when selecting a slice of a pandas dataframe
因此,我正在使用 sklearn 創建用於多重線性回歸模型的訓練和測試集。
我的數據集包含 182 個特征,如下所示;
id feature1 feature2 .... feature182 Target
D24352 145 8 7 1
G09340 10 24 0 0
E40988 6 42 8 1
H42093 238 234 2 1
F32093 12 72 1 0
然后我有以下代碼;
import pandas as pd
dataset = pd.read_csv('C:\\mylocation\\myfile.csv')
dataset0 = dataset.set_index('t1.id')
dataset2 = pd.get_dummies(dataset0)
y = dataset0.iloc[:, 31:32].values
dataset2.pop('Target')
X = dataset2.iloc[:, :180].values
但是,一旦我使用dataframe.iloc
,我就會丟失索引(我已將其設置為我的 ID)。 我想保留這些,因為當我執行以下步驟時,我目前無法判斷結果中的哪些記錄與原始dataset
哪些記錄相關;
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)
y_pred = regressor.predict(X_test)
看起來您的數據存儲為object
類型。 您應該將其轉換為 float64(假設您的所有數據都是數字類型。否則只轉換那些您想要作為數字類型的行)。 因為事實證明你的索引是字符串類型,你需要設置dtype
設置索引(以及產生的假人)后您的數據幀的。 再次假設您的其余數據是數字類型:
dataset = pd.read_csv('C:\\mylocation\\myfile.csv')
dataset0 = dataset.set_index('t1.id')
dataset2 = pd.get_dummies(dataset0)
dataset0 = dataset0.astype(np.float64) # add this line to explicitly set the dtype
現在您應該能夠在切片 DataFrame 時省略values
:
y = dataset0.iloc[:, 31:32]
dataset2.pop('Target')
X = dataset2.iloc[:, :180]
使用.values
可以訪問.values
的底層 numpy 數組。 這些沒有索引列。 由於sklearn
在大多數情況下與pandas
兼容,因此您可以簡單地將 pandas DataFrame 傳遞給 sklearn。
如果這不起作用,您仍然可以將 reset_index 應用於您的 DataFrame。 這會將索引添加為新列,在將訓練數據傳遞給 sklearn 時必須刪除該列:
dataset0.reset_index(inplace=True)
dataset2.reset_index(inplace=True)
y = dataset0.iloc[:, 31:32].values
dataset2.pop('Target')
X = dataset2.iloc[:, :180].values
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2, random_state = 0)
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train.drop('index', axis=1), y_train.drop('index', axis=1))
y_pred = regressor.predict(X_test.drop('index', axis=1))
在這種情況下,您仍然需要將切片[:, 31:32]
和[:, :180]
更改為正確的列,以便索引將包含在切片中。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.