Python/Pandas:数组(返回)到 DataFrame
Python/Pandas: Array (back) to DataFrame
我应用了以下函数来规范化数据框中的列。
from sklearn.preprocessing import normalize
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False))
但是,这个函数returns一个数组
array([[ 0.19781966, 0.21981735, 0. , ..., 0.05655909,
0. , 0.00033033],
[ 0.18050277, 0.2031944 , 0. , ..., 0.15848418,
0. , 0.00032616],
[ 0.14110768, 0.16995336, 0. , ..., 0.0820779 ,
0. , 0.00023619],
有没有办法将规范化数据写入原始 "traffic" 数据帧并替换原始值?
我在申请时意识到
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False))
所有原始列名和索引都消失了。
如果 normalize
函数 returns 一个与 traffic
DF 相同形状的数组,你可以这样做:
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False),
columns=traffic.columns, index=traffic.index)
我应用了以下函数来规范化数据框中的列。
from sklearn.preprocessing import normalize
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False))
但是,这个函数returns一个数组
array([[ 0.19781966, 0.21981735, 0. , ..., 0.05655909,
0. , 0.00033033],
[ 0.18050277, 0.2031944 , 0. , ..., 0.15848418,
0. , 0.00032616],
[ 0.14110768, 0.16995336, 0. , ..., 0.0820779 ,
0. , 0.00023619],
有没有办法将规范化数据写入原始 "traffic" 数据帧并替换原始值?
我在申请时意识到
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False))
所有原始列名和索引都消失了。
如果 normalize
函数 returns 一个与 traffic
DF 相同形状的数组,你可以这样做:
pd.DataFrame(normalize(traffic, norm='l2', axis=1, copy=True, return_norm=False),
columns=traffic.columns, index=traffic.index)