我正在使用 sklearn 和 pandas 以及一些微阵列，并且我有一个 pandas DataFrame，每个列都已命名。所以我正在对数据框进行一些转换，本质上是特征选择。
data = pd.read_csv("data.txt")
print(data)
结果
1007_s_at 1053_at ... AFFX-TrpnX-5_at AFFX-TrpnX-M_at
0 3.96932 2.52634 ... 2.09691 1.99123
1 4.10452 2.43457 ... 2.28103 2.06446
2 3.95308 2.36736 ... 2.11059 1.80618
3 3.99712 2.55388 ... 2.13354 1.91908
4 3.95279 2.21484 ... 2.22531 2.03342
.. ... ... ... ... ...
96 3.79560 2.74194 ... 2.01703 2.03743
97 3.79817 2.47422 ... 2.12385 2.07188
98 3.84186 2.59329 ... 2.16435 1.69897
[99 rows x 22283 columns]
正如我们所见，每一列都有一个名称。
然后我使用 VarianceThreshold 方法删除一些列
data = VarianceThreshold(0.04).fit_transform(data)
print(data)
print("After Variance Threshold data shape: ", data.shape)
所以新数据看起来像
[[4.1835 2.20952 2.41664 ... 2.21748 2.69197 2.41996]
[3.82478 2.2878 1.69897 ... 1.87506 2.09691 2.35411]
[4.1503 2.32015 2.35793 ... 2.01284 2.2833 2.15534]
...
[3.85576 3.26694 2.71684 ... 2.68305 3.18298 2.83378]
[3.25912 2.04922 2.58092 ... 2.0607 2.66932 2.42325]
[3.34044 2.24551 2.60097 ... 2.03743 2.31806 2.35984]]
After Variance Threshold data shape: (99, 5002)
现在，数据是一个 numpy 数组，我丢失了原始数据帧中剩余的每一列的标题。
有什么办法让它们与 pandas/numpy 一起保存吗？
最佳答案
您可以使用get_support得到一个掩码而不是结果:
In [11]: df = pd.DataFrame([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]], columns=list("ABCD"))
In [12]: df
Out[12]:
A B C D
0 0 2 0 3
1 0 1 4 3
2 0 1 1 3
In [13]: VarianceThreshold().fit(df).get_support()
Out[13]: array([False, True, True, False])
In [14]: df.loc[:, VarianceThreshold().fit(df).get_support()]
Out[14]:
B C
0 2 0
1 1 4
2 1 1
在您的示例中:
df.loc[:, VarianceThreshold(0.04).fit(data).get_support()]
关于python - 数据帧转换后保留标题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54700086/