问题标签 [sklearn-pandas]

Sklearn 管道：http ://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper：https ://github.com/paulgb/sklearn-pandas

他们之间有什么区别？

在我看来，sklearn 管道具有更多功能，但 DataFrameMapper 对我来说更干净。

我用“pickle”保存了一个 Pandas DataFrame。当我调用它时，它看起来像图 A（没关系）。但是当我想更改列的名称时，它看起来像图 B。我做错了什么？更改列名称的其他方法是什么？

图A

图B

我正在尝试匹配两个不同数据框 df1 和 df2 的公司名称。我正在尝试在两列上实现 tf-idf 和余弦相似度——df1 中的 company1 和 df2 中的 company2。

这给了我一个错误：

这可能是因为：

给我 (78684, 46844) 作为输出。和 -

给我 (39462, 31089) 作为输出。我该如何纠正这个错误？

这是我的文本，我需要创建一个数据框，其中 1 列用于州名称，另一列用于城镇名称，我知道如何删除大学名称。但是我如何告诉熊猫每次[编辑]都是一个新状态。

预期输出数据帧

我不确定我是否可以使用 read_table，如果可以的话？我确实将所有内容都导入了数据框中，但州和城市在同一列中。我也尝试了一个列表，但问题仍然是一样的。

我需要一些东西，如果该行中有一个 [edit]，那么它之后和下一个 [edit] 行之前的所有值都是中间行的状态

我已经在 Sklearn 中成功实现了这个例子，我可以很好地看到主题，但是我如何恢复到形成这些主题的观察结果？我知道使用 SAS 企业矿工可以做到这一点，但我不知道如何在 sklearn 中做到这一点。任何帮助，将不胜感激！谢谢你。

我有一个包含 IMDB 电影收视率数据的 csv 文件。该文件有 27 个特征和 1 个目标变量。我附上了SampleData。数据集也可以从KaggleData下载。我了解到python 的sklearn包要求所有数据都是数字。那么如何使用这些数据进行回归分析呢？现在我使用了下面的代码，但它说“某些导演名称”不能转换为浮点数。

我有一个 csv 文件，它有 25 列，有些是数字的，有些是分类的，有些是演员、导演的名字。我想对这些数据使用回归模型。为此，我必须使用 scikit 包中的 LabelBinarizer 将分类列字符串类型转换为数值。如何在此具有多个分类数据的数据帧上使用 LabelBinarize？

本质上，我想对标签进行二值化并将它们添加到数据框中。

在下面的代码中，我检索了要二值化的列列表，但无法弄清楚如何将新列添加回 df？

在下一步中，我想添加tempdf并df删除原始列 df[col]。

考虑以下两个选项：

这是输出的副本：

谁能帮助解释为什么选项 B 中的 ShuffleSplit 函数比选项 C 中的 train_test_split 函数（random_state=None）呈现更多随机结果？

在将数据集拆分为测试集和训练集后，我在训练集上应用了逻辑回归，但出现了上述错误。我试图解决它，当我尝试在控制台中打印我的响应向量 y_train 时，它会打印整数值，例如 0 或 1。但是当我将它写入文件时，我发现这些值是浮点数，例如 0.0 和 1.0。如果那是问题，我怎么能克服它。

StrackTrace如下，

同时，我浏览了未答复的链接。有没有解决办法。

我正在尝试构建一个以多个管道作为输入的投票分类器。我对此很陌生。以下是我正在使用的代码：

该代码基本上构建了 4 个分类器——多项式朴素贝叶斯、SGD 分类器、带线性核的 SVM 和随机森林分类器。当我尝试拟合我的数据时，它给了我以下错误：

could not convert string to float: "training string here"

如果我尝试在单个分类器上调用 fit，则该模式运行良好。有人可以帮忙吗？