So behalten Sie die Spaltenüberschriften des Datenrahmens nach der Vorverarbeitung in scikit-learn

Question

Ich habe einen Pandas Datenrahmen, der einige Zeilen und Spalten hat. Jede Spalte hat eine Kopfzeile. Solange ich weiterhin Datenmanipulationsoperationen in Pandas mache, bleiben meine variablen Header erhalten. Aber wenn ich eine Datenvorverarbeitungsfunktion von Sci-kit-learn lib ausprobiere, verliere ich letztendlich alle meine Header und der Frame wird in eine Matrix von Zahlen umgewandelt.

Ich verstehe, warum es passiert, weil scikit-learn ein numpy ndarray als Ausgabe gibt. Und numpy ndarray, das nur Matrix ist, würde Spaltennamen nicht haben.

Aber hier ist die Sache. Wenn ich ein Modell für mein Dataset erstelle, selbst nach der ersten Datenvorverarbeitung und dem Versuch, ein Modell zu erstellen, muss ich möglicherweise einige Datenmanipulationsaufgaben ausführen, um ein anderes Modell für eine bessere Anpassung auszuführen. Ohne auf den Spaltenkopf zugreifen zu können, macht es schwierig, Daten zu manipulieren, da ich vielleicht nicht weiß, was der Index einer bestimmten Variablen ist, aber es ist leichter, sich den Variablennamen zu merken oder sogar nach df.columns zu suchen.

Wie man das überwinden?

EDIT1: Bearbeiten mit Beispieldaten-Snapshot.

Pclass Sex Age SibSp Parch Fare Embarked 
0 3 0 22 1 0 7.2500 1 
1 1 1 38 1 0 71.2833 2 
2 3 1 26 0 0 7.9250 1 
3 1 1 35 1 0 53.1000 1 
4 3 0 35 0 0 8.0500 1 
5 3 0 NaN 0 0 8.4583 3 
6 1 0 54 0 0 51.8625 1 
7 3 0 2 3 1 21.0750 1 
8 3 1 27 0 2 11.1333 1 
9 2 1 14 1 0 30.0708 2 
10 3 1 4 1 1 16.7000 1 
11 1 1 58 0 0 26.5500 1 
12 3 0 20 0 0 8.0500 1 
13 3 0 39 1 5 31.2750 1 
14 3 1 14 0 0 7.8542 1 
15 2 1 55 0 0 16.0000 1 

Das oben genannte ist im Grunde der Pandas-Datenrahmen. Wenn ich dies jetzt auf diesem Datenrahmen mache, werden die Spaltenüberschriften entfernt.

Neue Daten sind von numpy Array und daher sind die Spaltennamen entfernt.

array([[ 3.  , 0.  , 22.  , ..., 0.  , 
      7.25  , 1.  ], 
     [ 1.  , 1.  , 38.  , ..., 0.  , 
     71.2833 , 2.  ], 
     [ 3.  , 1.  , 26.  , ..., 0.  , 
      7.925  , 1.  ], 
     ..., 
     [ 3.  , 1.  , 29.69911765, ..., 2.  , 
     23.45  , 1.  ], 
     [ 1.  , 0.  , 26.  , ..., 0.  , 
     30.  , 2.  ], 
     [ 3.  , 0.  , 32.  , ..., 0.  , 
      7.75  , 3.  ]]) 

Deshalb möchte ich die Spaltennamen behalten, wenn ich auf meinem Pandas Datenrahmen eine Datenmanipulation zu tun.

Answer 1

scikit-learn entfernt in der Tat die Spaltenüberschriften in den meisten Fällen, also fügen Sie sie erst später wieder hinzu.

X_imputed_df = pd.DataFrame(X_imputed, columns = X_train.columns) 

Answer 2

Nach Ami Tavory's Antwort here, pro Dokumentation auslässt imputer leere Spalten oder Zeilen (: In Ihrem Beispiel mit X_imputed als sklearn.preprocessing Ausgang und X_train wie das Original Datenrahmen, können Sie die Spaltenüberschriften wieder mit setzen kann wie auch immer du es ausführst).
Bevor also die imputer läuft und die Spaltennamen wie above Einstellung, führen Sie so etwas wie dies (für Spalten):

X_train=X_train.dropna(axis=1, how='all') 

df.dropna described here.