Numpy 让熊猫与scikit好好玩耍学习

这是一个理论问题。我知道SO不喜欢不易复制的代码，但请容忍我

我有一个熊猫数据框，我想在上面运行套索回归。要做到这一点，我所知道的最好的方法是将这些功能放入numpy阵列：

    features = df[list(cols)].values
    features = np.nan_to_num(features)

然后我开始学习魔术：

    lasso_model = LassoCV(cv = 15, copy_X = True, normalize = True, max_iter=10000)
    lasso_fit = lasso_model.fit(features, label)
    lasso_path = lasso_model.score(features, label)
    print lasso_model.coef_

现在我的问题是如何有效地让熊猫和numpy一起工作。这张照片显示了如下内容：

array([  1.69066749e-05,  -1.56013346e-05,   0.00000000e+00,
        -6.77086687e-06,   0.00000000e+00,   3.95920932e-08,
         0.00000000e+00,   6.54752484e-06,  -0.00000000e+00,
        -1.18676617e-05,  -7.36411973e-08,   4.72966581e-05,
         2.91028626e-06,   1.60674178e-05,   8.83195041e-06,
        -8.74769447e-02,   1.39914995e-04,  -1.86801467e-05,
         3.68593473e-01,   4.16009393e-01,   9.27391598e-07,
        -0.00000000e+00,   0.00000000e+00,  -4.07446333e-03,
         2.33648787e-01,   0.00000000e+00,   2.22660872e-02,
         0.00000000e+00,   3.04366897e-02,  -0.00000000e+00,
         0.00000000e+00,  -0.00000000e+00,  -0.00000000e+00,
         1.85141334e-01,   9.50727274e-02,  -4.94268994e-03,
         2.22993839e-01,   0.00000000e+00,   1.23715861e-02,
         0.00000000e+00,   5.42142052e-02,  -1.27412757e-02,
         2.98389804e-02,   1.35957828e-02,  -0.00000000e+00,
         3.64953613e-02,  -0.00000000e+00,   1.03289810e-01,])

这对我没有好处。如何有效地获得哪些列的系数

我已经找到了一些黑客的方法来做一些，但我认为有一个更好的方法，我可以做到这一点

例如，我知道我可以通过以下方式进行最大值：

In [256]: coef.argmax()
Out[256]: 19

In [257]: cols[19]
Out[257]: 'Price'

我想我想知道的主要事情是如何将列名字典转换成系数对

---

谢谢大家

您可以制作一个字典，将

cols

映射到

coef

s，如下所示：

dict(zip(cols, coef))

---

这是一个。

您可以制作一个字典，它将

cols

映射到

coef

s，如下所示：

dict(zip(cols, coef))

---

这是一个。

它不是

coef[0]

，因为它是

数组（n_类，n_特征）

？它不是

coef[0]

，因为它是

数组（n_类，n_特征）

？