我应该将其转换回数据框吗？为什么不？

如果您有一些特定要求，例如将数据保存在文件中或想要执行一些可以在 DataFrame 上更好地运行的特定操作，那么将其转换回 DataFrame 是一个不错的选择。否则使用 numpy 数组应该没问题，即使 Scikit_learn 不同的算法也将 numpy 数组作为输入。

现在将 X 与我的 1 数字特征合并的最佳做法是什么？

我可以分享我的经验以及我到底做了什么。

1. 单独保存并删除分类特征并将其余特征移动到 numpy 数组中。
2. 将分类特征转换为 OneHot 编码。
3. 将 OneHot Encoding numpy 数组与其余功能连接起来，并将此数组用于模型训练。

1. 转换为数据框并合并
2. 使用数组（编码）和具有连续值的列作为输入创建一个新的 df
3. 对数据帧中的 one-hot-encoding执行就地操作

我应该将其转换回数据框吗？为什么不？

• 大多数 sklearn 转换器，如 LabelBinarizer 输出 numpy 数组（它是 scikit learn 的设计原则之一），因此在管道中使用 ndarray 更容易。除非您绝对需要 panda 的某些功能，否则使用 ndarray 是个好主意

现在将 X 与我的 1 数字特征合并的最佳做法是什么？

• 我建议将 Pipeline 与 FeatureUnion 一起使用。FeatureUnion 将并行运行每个流水线并合并所有流水线的结果。请看下面的示例代码

    class DataFrameSelector(TransformerMixin, BaseEstimator):
        def __init__(self, include=None, exclude=None):
            self.include = include
            self.exclude = exclude

        def fit(self, X, y=None):
            return self

        def transform(self, X, y=None):
            """
            Returns only attributes listed in %include parameter if it is not None else return all attributes except listed
            in %exclude parameter
            """
            if self.include:
                return X[self.include].copy()
            else:
                return X.drop(self.exclude, axis=1)

    """Wrapper for LabelBinarizer as it only takes one parameter for 
    fit and transform methods and is not working with pipeline"""
    class LblBinarizer(TransformerMixin, BaseEstimator):
        def __init__(self):
            self.binarizer = LabelBinarizer()

        def fit(self, X, y=None):
            return self.binarizer.fit(X)

        def transform(self,X,y=None):
            return self.binarizer.transform(X)


    cat_pipeline = Pipeline(
    [
        ("select categorical features",  prepare_data.DataFrameSelector(include=["ocean_proximity"])),
        ("Binarize categorical features", LblBinarizer())
    ])

    num_pipeline = Pipeline(
    [
        ("select numerical features", prepare_data.DataFrameSelector(exclude=["ocean_proximity"]))
    ])

    full_pipeline = FeatureUnion(transformer_list=[
        ("num pipeline", num_pipeline),
        ("cat pipeline", cat_pipeline)
    ])

    prepared_data = full_pipeline.fit_transform(housing_features)