Python scikit learn中的机器学习算法是否必须将pandas dataframe转换为numpy数组

scikit learn中的机器学习算法是否必须将pandas dataframe转换为numpy数组

我知道

to_numpy（）

函数进行转换。这意味着我也必须为dataframe中的分类列手动创建一个虚拟矩阵

---

如果我只是使用pandas dataframe作为scikit learn中的输入，会发生什么？如果我将pandas dataframe转换为numpy数组，那么这是否意味着我的列名不再保留在机器学习算法中？当涉及到模型诊断时，需要采取额外的步骤来协调列名与numpy数组？

提供浮动数组是一种安全的选择，但不是必须的。您提供的任何内容都将尝试在内部转换为numpy数组。如果它不是类似于（见下文）的数组，则会引发异常

如果你举个例子，你会发现在

sklearn

中，他们有一个类似

数组的概念。有关以下内容，请参见docstring示例：

形状的X{类数组，稀疏矩阵}（n_样本，n_特征）
训练输入样本。在内部，其dtype将转换为dtype=np.float32。如果提供稀疏矩阵，它将转换为稀疏csc_矩阵

通过阅读以下内容，您可以进一步了解什么是类似于
数组的
：

类似于数组的

Scikit学习估计器和函数输入的最常见的数据格式，类似于数组，是任何类型的对象，numpy.asarray将为其生成适当形状（通常为1或2维）的适当数据类型（通常为数字）的数组

这包括：


numpy数组


数字表


长度为k的列表某些固定长度k的数字列表


具有所有数值列的pandas.DataFrame


一个数字系列



它不包括：


稀疏矩阵


迭代器


发电机



如果您查看，您会发现您提供给方法的数据将通过
self.\u validate\u data
进行转换

您总是可以事先检查您的数据是否被接受，但这没有太多实际意义，因为当您将数据提供给方法时，无论如何都会为您进行检查。
如果函数说它需要一个数据帧。。。。但是如果它说
array
，它可以使用
np.asarray
来确保它是这样的。您可以阅读代码以确定。检查它的作用。它可以将操作委托给
给\u numpy
。阅读文档，如果不清楚，请阅读[来源]。谢谢您的回答。如果我提供numpy数组，则不会保留列名，并且在模型拟合后，我必须将列名与numpy数组协调。我说的对吗？如果你需要的话，可以。没有别的。