Question

我有一组存储在“ numpy”数组中的数据：

array([['4.8', '3.0', '1.4', '0.3', 'Iris-setosa'],
['4.6', '3.2', '1.4', '0.2', 'Iris-setosa'],
['5.3', '3.7', '1.5', '0.2', 'Iris-setosa'],
['5.0', '3.3', '1.4', '0.2', 'Iris-setosa'],
['7.0', '3.2', '4.7', '1.4', 'Iris-versicolor'], dtype='<U15')

这只是一个例子，我不仅在处理虹膜数据集。

我正在尝试使用Orange离散化这些连续数据。

我知道我可以做这样的事情来完成工作：

import Orange
iris = Orange.data.Table("iris.tab")
disc = Orange.preprocess.Discretize()
disc.method = Orange.preprocess.discretize.EqualFreq(n=3)
d_iris = disc(iris)

但是，此方法仅适用于橙色数据表，不适用于numpy数组。

无论如何，是否可以使用Orange离散存储在numpy数组中的数据？

Answer 1

d_iris.X已经是一个numpy数组，但是您将丢失目标值和标头。 d_iris.Y是可以与X合并的目标列。但是请记住，离散化后您只会看到分配的bin值，这可能很难解释。

d_iris.X[:5]
array([[0., 3., 0., 0.],
    [0., 1., 0., 0.],
    [0., 2., 0., 0.],
    [0., 2., 0., 0.],
    [0., 3., 0., 0.]])

Answer 2

Orange可以将Panda数据框转换为Orange的表，因此首先将数据转换为Panda数据框：

import pandas as pd
import numpy as np
import Orange.preprocess as OrangePre
from Orange.data.pandas_compat import table_from_frame

x = np.array([...])
df = pd.Dataframe(x)

然后将其转换为Orange表：

table = table_from_frame(df)

离散化：

disc = OrangePre.Discretize()
disc.method = OrangePre.discretize.EqualFreq(3)
d_data = disc(table)

再次将结果转换为熊猫数据框：

final_data = pd.DataFrame(np.array(d_data))

它也可以以numpy的形式使用：

final_data.values

如何使用Orange离散化numpy数组中的存储数据？

2 个答案: