Python OneVsOneClassifier使用数据帧失败

我一直在将pandas DataFrame与scikit学习模型一起使用。在内部，熊猫数据帧被透明地转换为numpy ndarray（例如logistic回归、SVC、多项式nb等）。
然而，

sklearn.multiclass.OneVsOneClassifier

在给定pandas数据帧时失败，而在给定numpy数据帧时，它的行为正常。
这可以用此代码复制

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.multiclass import OneVsOneClassifier

df = pd.DataFrame({'a': range(15), 'b': range(20, 35)})
labels = pd.Series(['a', 'b', 'c'] * 5)

clf = OneVsOneClassifier(LogisticRegression())
# clf = LogisticRegression()   # This works file

clf.fit(df, labels)

有人能确认这是否是一个bug吗？
如果没有，请向我指出说明这一点的文档。

其他信息： 在函数的最后一行中，我将此问题的根本原因追溯到sklearn/multiclass.py

---

这里它假设

X

是numpy ndarray（实际上是pandas DataFrame），并尝试使用整数索引。这导致了例外情况。

scikit没有声明处理熊猫结构，尽管有时它们确实可以工作。@BrenBarn是的，我知道scikit没有声明这样做。但OneVsRestClassifier和OutputCodeClassifier（在同一个包中找到）似乎不会引发异常。为什么会出现这种不一致的行为？根据个人经验，我倾向于调用

.values

来传递np数组，这样就可以了：

clf.fit（df.values，labels）

scikit对使用熊猫结构时会发生什么情况没有任何保证。并不是说它不起作用；这并不是说它会起作用。这是因为行为是未定义的。不管什么时候，这都是巧合。通过跟踪导致错误的代码，您基本上已经回答了自己的问题：OneVsOne碰巧做了一些与数据帧不兼容的事情，但其他分类器恰好没有这样做。

return _fit_binary(estimator, X[ind[cond]], y_binary, classes=[i, j])