无法在 Sklearn MLPClassifier 中提供还包含数组列的数据框答案

【问题标题】：Cannot feed dataframe containing also array column in Sklearn MLPClassifier无法在 Sklearn MLPClassifier 中提供还包含数组列的数据框
【发布时间】：2021-04-02 21:00:47
【问题描述】：

我对 Python 和数据框比较陌生。我有数据框，其中一列是数组（来自 wav 的 mfcc 数据，所有行中的数组都具有相同的长度 273），其他列是浮点列。代码比较简单：

train_mfccs, test_mfccs, train_labels, test_labels = train_test_split(df, Y, test_size=0.1, shuffle= True)

clf = MLPClassifier(max_iter=150)
clf.fit(train_mfccs, train_labels)

由于错误 - ValueError: setting an array element with a sequence，我无法将整个数据框放入 fit 方法中。

如果我只在数据框中留下数组列，或者只保留浮点列，但不能同时保留两者，我可以成功获得结果。此外，我尝试使用 np 数组而没有结果，因为它要求每个新列的形状与第一列相同。我尝试了添加相同形状的列的简单方法，然后仅填充第一个值。

但这给出了意想不到的形状 (50000, 1638) 虽然我想要 (50000,2) 其中：

第一列是长度为 273 的初始数组
second 是长度为 273 且第一个值等于 attr1 的新数组。

X = np.array(list(df['mfcc']), dtype=np.float)
X0 = np.zeros((50000,273))
for index, value in enumerate(df['attr1']):
        X0[index][0] = value
X = np.hstack((X,X0))

这是否可能实现 - 一列是数组，其他不是？

【问题讨论】：

标签： python arrays pandas dataframe

【解决方案1】：

我们可以只添加内部数组数据作为主数据框列。

示例：我们在数组列中有这样的数据：

要创建列列表，我们可以生成列名：

mfccColNames = list(map(str, range(maxlen)))
print(mfccColNames)

所以我们将数字作为列名：

['0', '1', '2', '3', '4', '5', '6'...'272']

然后填充数据框：

df_x = pd.DataFrame(df['mfcc'].to_list(), columns=mfccColNames)

这导致所有内部数组数据作为列添加到数据帧中，现在可以在 sklearn 中使用。然后我们可以根据需要添加之前数据帧中的其他列。

【讨论】：