python - 将 DataFrame 的整数索引和生成的 SciPy 矩阵视为同一件事是个坏主意吗？

Question

我有一个管道接收一个 pandas DataFrame，df，有几个文本列，将它们连接到一个文档中，并对文档进行矢量化，得到一个 scipy.sparse.csr_matrix ，我们称它为 X。

稍后我使用 X 行(对应于我原始 DataFrame 的行)进行最近邻查询，当我想显示一个向量最近邻的文本名称时，我使用向量的整数位置在 X 中是这样的:

>>> print "Nearest neighbor's name is", df.iloc[position_in_x,:]['my_name']

这是一个错误的举动，还是只要我不在 DataFrame 中添加或删除，就可以将 DataFrame 中的整数位置视为静态？

我想知道其他人是如何处理这个问题的。我想到的一种解决方案是使 X 的行向量成为 df 中的新列。

谢谢!

Answer 1

在这种情况下我不确定 iloc，但如果你想要更严格 - 你总是可以使用 selection by label带有 loc 属性。即使在更改行的顺序或添加新行之后也可以使用它。 Loc 按索引选择行(不是像 iloc 那样的整数位置)，在默认情况下它只是 numpy 矩阵中行的索引。

In [132]: df1
Out[132]: 
   x   y events
0  5  20       
2  7  22       
4  9  24       

In [133]: df2
Out[133]: 
   x   y events
1  6  21       
3  8  23       

In [134]: df3 = df1.append(df2)

In [135]: df3
Out[135]: 
   x   y events
0  5  20       
2  7  22       
4  9  24       
1  6  21       
3  8  23       

In [137]: df3.loc[3,:]
Out[137]: 
x          8
y         23
events      
Name: 3, dtype: object

Also related