Python之sklearn-pandas:sklearn-pandas库函数的简介、安装、使用方法之详细攻略

目录

sklearn-pandas库函数的简介

sklearn-pandas库函数的安装

sklearn-pandas库函数的使用方法

1、基础用法

2、案例应用


sklearn-pandas库函数的简介

sklearn-pandas模块提供了Scikit-Learn的机器学习方法和pandas风格的数据框架之间的桥梁。特别是,它提供了一种将DataFrame列映射到转换的方法,这些转换稍后将被重新组合为特性。

sklearn-pandas库函数的安装

pip install sklearn-pandas
pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple sklearn-pandas

sklearn-pandas库函数的使用方法

1、基础用法

>>> from sklearn_pandas import DataFrameMapper
>>> import pandas as pd
>>> import numpy as np
>>> import sklearn.preprocessing, sklearn.decomposition, \
...     sklearn.linear_model, sklearn.pipeline, sklearn.metrics
>>> from sklearn.feature_extraction.text import CountVectorizer>>> mapper = DataFrameMapper([
...     ('pet', sklearn.preprocessing.LabelBinarizer()),
...     (['children'], sklearn.preprocessing.StandardScaler())
... ])

2、案例应用

>>> from sklearn.base import TransformerMixin
>>> class DateEncoder(TransformerMixin):
...    def fit(self, X, y=None):
...        return self
...
...    def transform(self, X):
...        dt = X.dt
...        return pd.concat([dt.year, dt.month, dt.day], axis=1)
>>> dates_df = pd.DataFrame(
...     {'dates': pd.date_range('2015-10-30', '2015-11-02')})
>>> mapper_dates = DataFrameMapper([
...     ('dates', DateEncoder())
... ], input_df=True)
>>> mapper_dates.fit_transform(dates_df)
array([[2015,   10,   30],[2015,   10,   31],[2015,   11,    1],[2015,   11,    2]])

Python之sklearn-pandas:sklearn-pandas库函数的简介、安装、使用方法之详细攻略相关推荐

  1. Python之 sklearn:sklearn中的train_test_split函数的简介及使用方法之详细攻略

    Python之 sklearn:sklearn中的train_test_split函数的简介及使用方法之详细攻略 目录 sklearn中的train_test_split函数的简介 train_tes ...

  2. Python之 sklearn:sklearn中的RobustScaler 函数的简介及使用方法之详细攻略

    Python之 sklearn:sklearn中的RobustScaler 函数的简介及使用方法之详细攻略 目录 sklearn中的RobustScaler 函数的简介及使用方法 sklearn中的R ...

  3. sklearn:sklearn.feature_selection的SelectFromModel函数的简介、使用方法之详细攻略

    sklearn:sklearn.feature_selection的SelectFromModel函数的简介.使用方法之详细攻略 目录 SelectFromModel函数的简介 1.使用SelectF ...

  4. Python:numpy库中的一些函数简介、使用方法之详细攻略

    Python:numpy库中的一些函数简介.使用方法之详细攻略 目录 numpy库中的一些函数简介.使用方法 1.np.concatenate() 1.1.函数案例 1.2.函数用法 numpy库中的 ...

  5. Python语言学习:Python常用自带库(imageio、pickle)简介、使用方法之详细攻略

    Python语言学习:Python常用自带库(imageio.pickle)简介.使用方法之详细攻略 目录 imageio简介及其常见使用方法 pickle简介及其常见使用方法 简介 使用方法 简介及 ...

  6. Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略

    Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略 目录 sklearn.preprocessing中的Stand ...

  7. sklearn:sklearn.GridSearchCV函数的简介、使用方法之详细攻略

    sklearn:sklearn.GridSearchCVl函数的简介.使用方法之详细攻略 目录 sklearn.GridSearchCV函数的简介 1.参数说明 2.功能代码 sklearn.Grid ...

  8. ML之sklearn:sklearn.linear_mode中的LogisticRegression函数的简介、使用方法之详细攻略

    ML之sklearn:sklearn.linear_mode中的LogisticRegression函数的简介.使用方法之详细攻略 目录 sklearn.linear_mode中的LogisticRe ...

  9. sklearn:sklearn.preprocessing的MinMaxScaler简介、使用方法之详细攻略

    sklearn:sklearn.preprocessing的MinMaxScaler简介.使用方法之详细攻略 目录 MinMaxScaler简介 MinMaxScaler函数解释 MinMaxScal ...

  10. sklearn之XGBModel:XGBModel之feature_importances_、plot_importance的简介、使用方法之详细攻略

    sklearn之XGBModel:XGBModel之feature_importances_.plot_importance的简介.使用方法之详细攻略 目录 feature_importances_ ...

最新文章

  1. 软考新思维--2017年上半年信息系统项目管理师上午试题分析与答案(试题16-20题)...
  2. ++和+的运算优先级和++i和i++混合用法解析
  3. 浅谈APP流式分页服务端设计(转)
  4. jquery实现checkbox的单选和全选
  5. 红帽企业版linux 7.3,红帽推企业Linux 7.3 新功能特性一览
  6. mysql 5.1.69_CentOS 安装MySQL 5.1.69
  7. PHP执行linux系统命令
  8. vb将excel数据导入mysql_用VB做怎么将Excel数据导入SQL数据库中
  9. 短视频怎么才能做好内容付费?
  10. RapidXML问题
  11. Python 自动识别图片文字—保姆级OCR实战教程
  12. PS怎么把模糊的照片,变得更加清晰
  13. 服务器vmware新建虚拟机教程,如何创建虚拟机教程全解
  14. GF-3双极化SAR遥感影像预处理【基础版】
  15. C#中随机分组相关Test
  16. ios系统使用window.open()打开新的页面失效
  17. 马哥教育N63013-第一周作业
  18. 操作系统原理模拟实验(基于C/C++模拟处理机调度、存储管理和文件系统)
  19. 录像中那个距离他们停泊的港口不远的武汉玛歌堡服饰有限公司商场正是早前反追踪信号捕获到的坐标所在
  20. [易信公众账号开发]第一章 序

热门文章

  1. OpenCV3图像处理——霍夫曼变换直线检测
  2. 机器学习入门学习笔记:(4.1)SVM算法
  3. gym中render()函数在远端server运行的解决方案
  4. pc显示器分辨率 前端_五款高性价比PC显示器推荐 499元起
  5. ProtoBuf中的编码
  6. Flask开发系列之Web表单
  7. C#开发微信门户及应用(21)-微信企业号的消息和事件的接收处理及解密
  8. Linux MTD系统剖析【转】
  9. centos5.4 安装配置oracle10g
  10. Windows 2000配置Web服务器