如何将Pandas DataFrame转换为Pandas ML ModelFrame?

我想用我的数据集重复这些示例1 示例2

import pandas_ml as pdmldf = pdml.ModelFrame({'A': [1, 2, 3], 'B': [2, 3, 4],                   'C': [3, 4, 5]}, index=['a', 'b', 'c'])df   A  B  Ca  1  2  3b  2  3  4c  3  4  5

但是,问题是我有一个csv文件格式的数据集。

x_test = pd.read_csv("x_test.csv",sep=';',header=None)

我尝试将Pandas数据框转换为字典,但没有成功。

那么,问题是有什么方法可以将Pandas数据框转换为Pandas-ML ModelFrame吗?


回答:

我认为你需要使用带有orient参数的DataFrame.to_dict

x_test = pd.read_csv("x_test.csv",sep=';',header=None)df = pdml.ModelFrame(x_test.to_dict(orient='list'))

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注