将数组结构转换为数据框以获取列名

Question

我有一个数据框，我已将其转换为数组以使用回归算法对数据建模。我用下面的代码来做

X=df.iloc[:, 0:345].values
Y=df.iloc[:,345].values

因此 X 和 Y 是数组 now.There 是许多列，因为分类变量已创建为虚拟变量。此外，我创建了训练和测试拆分

from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler

X_train,X_test,y_train,y_test=train_test_split(X,Y,test_size=0.25,random_state=0)

现在，在完成模型构建和预测之后，我想取回分类变量的值（在为所有分类变量创建虚拟变量后创建了 X 和 Y）。为此，我我正在尝试将我的 X_test 转换回具有原始数据框 df 中的列名的数据框。我尝试了以下代码

dff=df.iloc[:, 0:345]

以上语句是获取（数据框的）前345列。

然后，

pd.DataFrame(X_test, index=dff.index, columns=dff.columns)

我收到以下错误

ValueError: Shape of passed values is (345, 25000), indices imply (345, 100000)

我不明白为什么我有多少行很重要。我的行数较少，因为我的训练和测试已经分开了 75%-25%。在数据转换为数组后，我正在执行拆分。我现在如何将数组数据转换为具有来自 dff 数据帧的列名的数据帧？

Answer 1

我建议使用 train_test_split 的 DataFrame，然后使用 numpy 将数组传递给您的算法：

my_algorithm(np.asarray(X_train), np.asarray(y_train))

通过这种方式，您可以像查看任何 df 一样查看数据，但可以运行模型与数组。我不确定您使用的是什么库 - 但我很确定有些人现在可以使用 DataFrames 进行建模。

Answer 2

pd.DataFrame(X_test, index=dff.index, columns=dff.columns)

X_test 是 numpy.ndarray

将上面的语句修改为：

df_new=pd.DataFrame(X_test)
df_new.columns=list(dff.columns)

新数据框包含 X_test 数据，并且列名也从 dff 数据框分配给新创建的数据框。

将数组结构转换为数据框以获取列名

Converting an array structure to a dataframe to get the column names

python

pandas

numpy-ndarray