scikit-learn 中的简单分类答案

【问题标题】：Simple classification in scikit-learnscikit-learn 中的简单分类
【发布时间】：2013-10-05 17:42:45
【问题描述】：

我正在尝试使用 scikit-learn 开发一个简单的分类程序。我想提取我的一组 tsv 值，将它们保存在一个数组中。然后，从上面保存一个包含我的 tsv 的第一个值的 csv 和简单的随机 1 或 0。因此它将按如下方式输出到 csv：

tsvValue1, random1or0 eg
string123, 0
foo234, 1

我将所有代码（几乎）分开，我的问题是将它们组合在一起。

import numpy as np
from sklearn import metrics,preprocessing,cross_validation
import pandas as p

loadData = lambda f: np.genfromtxt(open(f,'r'), delimiter=' ')

def main():
    traindata = list(np.array(p.read_table('../data/train.tsv'))[:,2])
    testdata = list(np.array(p.read_table('../data/test.tsv'))[:,2])
    y = np.array(p.read_table('../data/train.tsv'))[:,-1]

    X_all = traindata + testdata

    # What can I do below? What can I use to export to csv
    # properly with an appended 1 or 0 value below ?

    from random import randint
    randomInt = randint(0,1) #Inclusive    
    testfile = p.read_csv(
        '../data/test.tsv', sep="\t", na_values=['?'], index_col=1)
    pred_df = p.DataFrame(testdata, index=testfile.index, columns=['label'])
    pred_df.to_csv('test.csv')
    print ("your random file has been created..")

if __name__=="__main__":
    main()

更新：输入tsv文件的标准格式：

foo1                       foo2   foo3   foo4   fooN
RelevantString123123123
RelevantString456456456
RelevantString789789789

所需结果 csv 的格式：

RelevantString123123123,1
RelevantString456456456,0
RelevantString789789789,1

正在随机生成的 csv 文件中的第二个 1 或 0。

【问题讨论】：

如果values 是tsvValue1 列的值列表，那么zip(values, (random.randint(0, 1) for _ in itertools.count())) 将为您提供(value, zero_or_one) 对。这就是你要找的吗？
@Rho 感谢您的回复。我试图编写代码来执行此操作，但我无法以某种方式扭曲，因此它将正确编译以输出表单值 zero_or_one 的 csv。有没有机会帮我解决这个问题？
您能否提供输入文件的示例（仅几行）以及 csv 文件中的预期输出？
@Rho 我已经更新了我的问题，谢谢:)
这与 scikit-learn 和机器学习有什么关系？

标签： python numpy pandas scikit-learn export-to-csv

【解决方案1】：

拥有带有内容的文件input.tsv（由制表符分隔）：

foo1                       foo2   foo3   foo4   fooN
RelevantString123123123
RelevantString456456456
RelevantString789789789

这显示了如何获得你想要的输出：

>>> import numpy as np
>>> import pandas
>>> df = pandas.read_csv('input.tsv', sep='\t')
>>> df['value'] = pandas.Series(np.random.randint(2, size=len(df)), index=df.index)
>>> df.to_csv('output.csv', cols=['foo1', 'value'], index=False)

output.csv 的内容是：

foo1,value
RelevantString123123123,1
RelevantString456456456,0
RelevantString789789789,0

【讨论】：