将 SKLearn 癌症数据集加载到 Pandas DataFrame 中答案

【问题标题】：Loading SKLearn cancer dataset into Pandas DataFrame将 SKLearn 癌症数据集加载到 Pandas DataFrame 中
【发布时间】：2017-06-03 04:58:09
【问题描述】：

我正在尝试根据键（target_names、target 和 DESCR）加载 sklearn.dataset，但缺少一列。我尝试了各种方法来包含最后一列，但有错误。

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

 cancer = load_breast_cancer()
 print cancer.keys()

键是 ['target_names', 'data', 'target', 'DESCR', 'feature_names']

 data = pd.DataFrame(cancer.data, columns=[cancer.feature_names])
 print data.describe()

使用上面的代码，当我需要 31 列时，它只返回 30 列。将 scikit-learn 数据集加载到 pandas DataFrame 的最佳方式是什么。

【问题讨论】：

你能解释一下为什么应该有 31 列吗？如果你使用cancer.data.shape或者勾选the dataset description，数据集中似乎只有30列。你错过了哪一栏？
我缺少 dataset.keys() 中的 target/target_names 列，因为它尚未加载到数据框中。

标签： python numpy scikit-learn

【解决方案1】：

创建包含特征和目标变量的数据框的另一种选择是：

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

cancer = load_breast_cancer()
df = pd.DataFrame(np.c_[cancer['data'], cancer['target']],
                  columns= np.append(cancer['feature_names'], ['target']))

【讨论】：

【解决方案2】：

如果您想拥有一个target 列，则需要添加它，因为它不在cancer.data 中。 cancer.target 具有带有 0 或 1 的列，cancer.target_names 具有标签。我希望以下是您想要的：

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

cancer = load_breast_cancer()
print cancer.keys()

data = pd.DataFrame(cancer.data, columns=[cancer.feature_names])
print data.describe()

data = data.assign(target=pd.Series(cancer.target))
print data.describe()

# In case you want labels instead of numbers.
data.replace(to_replace={'target': {0: cancer.target_names[0]}}, inplace=True)
data.replace(to_replace={'target': {1: cancer.target_names[1]}}, inplace=True)
print data.shape # data.describe() won't show the "target" column here because I converted its value to string.

【讨论】：

是的，我刚刚发现，data['Target'] = pd.Series(data=cancer.target, index=data.index) 也可以。谢谢。

【解决方案3】：

这也有效，也使用 pd.Series。

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

cancer = load_breast_cancer()
print cancer.keys()

data = pd.DataFrame(cancer.data, columns=[cancer.feature_names])
data['Target'] = pd.Series(data=cancer.target, index=data.index)

print data.keys()
print data.shape

【讨论】：

【解决方案4】：

仅缺少目标列，因此您只需添加一个即可。

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

【讨论】：

【解决方案5】：

可以使用 map() 优雅地处理映射目标名称：

data["target"] = pd.Categorical(pd.Series(cancer.target).map(lambda x: cancer.target_names[x]))

【讨论】：

【解决方案6】：

从 scikit-learn 0.23 开始，您可以执行以下操作来获取包含目标列的 DataFrame。

df = load_breast_cancer(as_frame=True)
df.frame

【讨论】：