【问题标题】：How to convert a Scikit-learn dataset to a Pandas dataset如何将 Scikit-learn 数据集转换为 Pandas 数据集
【发布时间】：2016-11-01 12:17:37
【问题描述】：

如何将数据从 Scikit-learn Bunch 对象转换为 Pandas DataFrame？

from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
print(type(data))
data1 = pd. # Is there a Pandas method to accomplish this?

【问题讨论】：

标签： python pandas scikit-learn dataset

【解决方案1】：

您可以手动使用pd.DataFrame 构造函数，给出一个numpy 数组（data）和一个列名列表（columns）。要将所有内容都放在一个 DataFrame 中，您可以使用 np.c_[...] 将特征和目标连接到一个 numpy 数组中（注意 []）：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

# save load_iris() sklearn dataset to iris
# if you'd like to check dataset type use: type(load_iris())
# if you'd like to view list of attributes use: dir(load_iris())
iris = load_iris()

# np.c_ is the numpy concatenate function
# which is used to concat iris['data'] and iris['target'] arrays 
# for pandas column argument: concat iris['feature_names'] list
# and string list (in this case one string); you can make this anything you'd like..  
# the original dataset would probably call this ['Species']
data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                     columns= iris['feature_names'] + ['target'])

【讨论】：

你能添加一点文字来解释这段代码吗？按照我们的标准，这有点简短。
有些束将 feature_names 作为 ndarray，这会破坏 columns 参数。
缺少数据框的“物种”键和值。
这段代码对我来说不起作用。对于 columns 参数，我需要传入 columns=np.append(iris['feature_names'], 'target)。我做错了什么，还是这个答案需要修改？
这不适用于所有数据集，例如load_boston()。这个答案更普遍：stackoverflow.com/a/46379878/1840471

【解决方案2】：

from sklearn.datasets import load_iris
import pandas as pd

data = load_iris()
df = pd.DataFrame(data=data.data, columns=data.feature_names)
df.head()

可能对本教程感兴趣：http://www.neural.cz/dataset-exploration-boston-house-pricing.html

【讨论】：

需要将数据与目标拼接起来：df = pd.DataFrame(np.concatenate((iris.data, np.array([iris.target]).T), axis=1), columns=iris.feature_names + ['target'])

【解决方案3】：

TOMDLt 的解决方案对于 scikit-learn 中的所有数据集都不够通用。例如，它不适用于波士顿住房数据集。我提出了一个更通用的不同解决方案。也不需要使用 numpy。

from sklearn import datasets
import pandas as pd

boston_data = datasets.load_boston()
df_boston = pd.DataFrame(boston_data.data,columns=boston_data.feature_names)
df_boston['target'] = pd.Series(boston_data.target)
df_boston.head()

作为一般功能：

def sklearn_to_df(sklearn_dataset):
    df = pd.DataFrame(sklearn_dataset.data, columns=sklearn_dataset.feature_names)
    df['target'] = pd.Series(sklearn_dataset.target)
    return df

df_boston = sklearn_to_df(datasets.load_boston())

【讨论】：

我觉得pd.Series(sklearn_dataset.target)可以换成sklearn_dataset.target？至少它适用于我的 pandas 1.1.3
我觉得这个解决方案更容易理解

【解决方案4】：

我花了 2 个小时才弄明白

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
##iris.keys()


df= pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                 columns= iris['feature_names'] + ['target'])

df['species'] = pd.Categorical.from_codes(iris.target, iris.target_names)

为我的熊猫取回物种

【讨论】：

【解决方案5】：

作为一种替代方法，我可以更轻松地绕开我的脑袋：

data = load_iris()
df = pd.DataFrame(data['data'], columns=data['feature_names'])
df['target'] = data['target']
df.head()

基本上不是从一开始就连接，只需使用特征矩阵制作一个数据框，然后将目标列与 data['whatvername'] 添加并从数据集中获取目标值

【讨论】：

简单的答案是最好的...

【解决方案6】：

否则使用seaborn data sets 这是实际的熊猫数据框：

import seaborn
iris = seaborn.load_dataset("iris")
type(iris)
# <class 'pandas.core.frame.DataFrame'>

与 scikit learn 数据集比较：

from sklearn import datasets
iris = datasets.load_iris()
type(iris)
# <class 'sklearn.utils.Bunch'>
dir(iris)
# ['DESCR', 'data', 'feature_names', 'filename', 'target', 'target_names']

【讨论】：

【解决方案7】：

这对我来说很简单。

boston = load_boston()
boston_frame = pd.DataFrame(data=boston.data, columns=boston.feature_names)
boston_frame["target"] = boston.target

但这也可以应用于 load_iris。

【讨论】：

这对我来说很有魅力！

【解决方案8】：

新更新

您可以使用参数as_frame=True 来获取pandas 数据帧。

如果 as_frame 参数可用（例如 load_iris）

from sklearn import datasets
X,y = datasets.load_iris(return_X_y=True) # numpy arrays

dic_data = datasets.load_iris(as_frame=True)
print(dic_data.keys())

df = dic_data['frame'] # pandas dataframe data + target
df_X = dic_data['data'] # pandas dataframe data only
ser_y = dic_data['target'] # pandas series target only
dic_data['target_names'] # numpy array

如果 as_frame 参数不可用（例如 load_boston）

from sklearn import datasets

fnames = [ i for i in dir(datasets) if 'load_' in i]
print(fnames)

fname = 'load_boston'
loader = getattr(datasets,fname)()
df = pd.DataFrame(loader['data'],columns= loader['feature_names'])
df['target'] = loader['target']
df.head(2)

【讨论】：

最后 - 可以加载 boston 而不仅仅是 iris 等！这种分割非常清晰，效果很好。

【解决方案9】：

这对我有用。

dataFrame = pd.dataFrame(data = np.c_[ [iris['data'],iris['target'] ],
columns=iris['feature_names'].tolist() + ['target'])

【讨论】：

【解决方案10】：

结合特征和目标变量的其他方式可以使用np.column_stack (details)

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

data = load_iris()
df = pd.DataFrame(np.column_stack((data.data, data.target)), columns = data.feature_names+['target'])
print(df.head())

结果：

   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)     target
0                5.1               3.5                1.4               0.2     0.0
1                4.9               3.0                1.4               0.2     0.0 
2                4.7               3.2                1.3               0.2     0.0 
3                4.6               3.1                1.5               0.2     0.0
4                5.0               3.6                1.4               0.2     0.0

如果您需要target 的字符串标签，则可以通过将target_names 转换为dictionary 并添加新列来使用replace：

df['label'] = df.target.replace(dict(enumerate(data.target_names)))
print(df.head())

结果：

   sepal length (cm)  sepal width (cm)  petal length (cm)  petal width (cm)     target  label 
0                5.1               3.5                1.4               0.2     0.0     setosa
1                4.9               3.0                1.4               0.2     0.0     setosa
2                4.7               3.2                1.3               0.2     0.0     setosa
3                4.6               3.1                1.5               0.2     0.0     setosa
4                5.0               3.6                1.4               0.2     0.0     setosa

【讨论】：

【解决方案11】：

从 0.23 版开始，您可以使用 as_frame 参数直接返回 DataFrame。比如加载虹膜数据集：

from sklearn.datasets import load_iris
iris = load_iris(as_frame=True)
df = iris.data

据我了解，使用 provisionally release notes，这适用于乳腺癌、糖尿病、数字、虹膜、linnerud、wine 和 california_houses 数据集。

【讨论】：

【解决方案12】：

这是另一个集成方法示例可能会有所帮助。

from sklearn.datasets import load_iris
iris_X, iris_y = load_iris(return_X_y=True, as_frame=True)
type(iris_X), type(iris_y)

数据 iris_X 被导入为 pandas DataFrame 和目标 iris_y 被导入为 pandas 系列。

【讨论】：

【解决方案13】：

许多解决方案要么缺少列名，要么缺少物种目标名称。此解决方案提供 target_name 标签。

@Ankit-mathanker 的解决方案有效，但它会迭代 Dataframe Series 'target_names' 以将 iris 物种替换为整数标识符。

基于格言“Don't iterate a Dataframe if you don't have to”，以下解决方案利用 pd.replace() 更简洁地完成替换。

import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()
df = pd.DataFrame(iris['data'], columns = iris['feature_names'])
df['target'] = pd.Series(iris['target'], name = 'target_values')
df['target_name'] = df['target'].replace([0,1,2],
['iris-' + species for species in iris['target_names'].tolist()])

df.head(3)

	sepal length (cm)	sepal width (cm)	petal length (cm)	petal width (cm)	target_name
0	5.1	3.5	1.4	0.2	iris-setosa
1	4.9	3.0	1.4	0.2	iris-setosa
2	4.7	3.2	1.3	0.2	iris-setosa

【讨论】：

这就是答案

【解决方案14】：

基本上您需要的是“数据”，并且您在 scikit 束中拥有它，现在您只需要也在束中的“目标”（预测）。

所以只需要将这两者连接起来就可以使数据完整了

  data_df = pd.DataFrame(cancer.data,columns=cancer.feature_names)
  target_df = pd.DataFrame(cancer.target,columns=['target'])

  final_df = data_df.join(target_df)

【讨论】：

【解决方案15】：

API 比建议的响应要干净一些。在这里，使用as_frame 并确保也包含一个响应列。

import pandas as pd
from sklearn.datasets import load_wine

features, target = load_wine(as_frame=True).data, load_wine(as_frame=True).target
df = features
df['target'] = target

df.head(2)

【讨论】：

【解决方案16】：

找出最佳答案并解决我的评论，这是一个转换函数

def bunch_to_dataframe(bunch):
  fnames = bunch.feature_names
  features = fnames.tolist() if isinstance(fnames, np.ndarray) else fnames
  features += ['target']
  return pd.DataFrame(data= np.c_[bunch['data'], bunch['target']],
                 columns=features)

【讨论】：

【解决方案17】：

无论 TomDLT 回答什么，它可能对你们中的一些人不起作用，因为

data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                 columns= iris['feature_names'] + ['target'])

因为 iris['feature_names'] 返回一个 numpy 数组。在 numpy 数组中，您不能仅通过 + 运算符添加数组和列表 ['target']。因此，您需要先将其转换为列表，然后再添加。

你可以的

data1 = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                 columns= list(iris['feature_names']) + ['target'])

这会很好用..

【讨论】：

【解决方案18】：

可能有更好的方法，但这是我过去所做的并且效果很好：

items = data.items()                          #Gets all the data from this Bunch - a huge list
mydata = pd.DataFrame(items[1][1])            #Gets the Attributes
mydata[len(mydata.columns)] = items[2][1]     #Adds a column for the Target Variable
mydata.columns = items[-1][1] + [items[2][0]] #Gets the column names and updates the dataframe

现在 mydata 将拥有您需要的一切 - 属性、目标变量和列名

【讨论】：

TomDLT 的解决方案比我上面建议的要好得多。它做同样的事情，但非常优雅且易于理解。使用它！
mydata = pd.DataFrame(items[1][1]) throws TypeError: 'dict_items' object does not support indexing

【解决方案19】：

这个 sn-p 只是 syntactic sugar 建立在 TomDLT and rolyat 已经贡献和解释的基础上。唯一的区别是load_iris 将返回一个元组而不是一个字典，并且列名是枚举的。

df = pd.DataFrame(np.c_[load_iris(return_X_y=True)])

【讨论】：

感谢您提供此代码 sn-p，它可能会提供一些有限的即时帮助。 proper explanation would greatly improve its long-term value 通过展示为什么这是一个很好的解决问题的方法，并将使其对未来有其他类似问题的读者更有用。请edit您的回答添加一些解释，包括您所做的假设。

【解决方案20】：

import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
X = iris['data']
y = iris['target']
iris_df = pd.DataFrame(X, columns = iris['feature_names'])
iris_df.head()

【讨论】：

【解决方案21】：

最好的方法之一：

data = pd.DataFrame(digits.data)

Digits 是 sklearn 数据帧，我将其转换为 pandas 数据帧

【讨论】：

【解决方案22】：

我从你的回答中得到了几个想法，但我不知道如何让它更短:)

import pandas as pd
from sklearn.datasets import load_iris
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris['feature_names'])
df['target'] = iris['target']

这给出了一个 Pandas DataFrame，其中 feature_names 加上 target 作为列和 RangeIndex(start=0, stop=len(df), step=1)。我想要一个更短的代码，我可以直接添加“目标”。

【讨论】：

【解决方案23】：

from sklearn.datasets import load_iris
import pandas as pd

iris_dataset = load_iris()

datasets = pd.DataFrame(iris_dataset['data'], columns = 
           iris_dataset['feature_names'])
target_val = pd.Series(iris_dataset['target'], name = 
            'target_values')

species = []
for val in target_val:
    if val == 0:
        species.append('iris-setosa')
    if val == 1:
        species.append('iris-versicolor')
    if val == 2:
        species.append('iris-virginica')
species = pd.Series(species)

datasets['target'] = target_val
datasets['target_name'] = species
datasets.head()

【讨论】：

【解决方案24】：

您可以使用 pd.DataFrame 构造函数，给出一个 numpy 数组（数据）和一个列名称列表（列）。要将所有内容都放在一个 DataFrame 中，您可以使用 np.c_[...] 将特征和目标连接到一个 numpy 数组中（注意方括号而不是括号）。此外，如果在连接之前不将特征名称 (iris['feature_names']) 转换为列表，您可能会遇到一些麻烦：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris()

df = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
                     columns= list(iris['feature_names']) + ['target'])

【讨论】：

【解决方案25】：

对这个问题有很多很好的回答；我在下面添加了自己的。

import pandas as pd
from sklearn.datasets import load_iris

df = pd.DataFrame(
    # load all 4 dimensions of the dataframe EXCLUDING species data
    load_iris()['data'],
    # set the column names for the 4 dimensions of data
    columns=load_iris()['feature_names']
)

# we create a new column called 'species' with 150 rows of numerical data 0-2 signifying a species type. 
# Our column `species` should have data such `[0, 0, 1, 2, 1, 0]` etc.
df['species'] = load_iris()['target']
# we map the numerical data to string data for species type
df['species'] = df['species'].map({
    0 : 'setosa',
    1 : 'versicolor',
    2 : 'virginica'   
})

df.head()

故障

由于某种原因，load_iris['feature_names] 只有 4 列（萼片长度、萼片宽度、花瓣长度、花瓣宽度）；此外，load_iris['data'] 仅包含上述feature_names 的数据。
相反，物种列名存储在load_iris()['target_names'] == array(['setosa', 'versicolor', 'virginica']。
除此之外，物种行数据存储在load_iris()['target'].nunique() == 3
我们的目标只是添加一个名为species 的新列，该列使用map 函数将数字数据0-2 转换为表示鸢尾花种类的3 种字符串数据。

【讨论】：