如何使用TensorFlow Datasets(tfds)获取鸢尾花数据集的特征名称？

你可以通过提取数据集元数据中的特征名称，再拆分DataFrame中的ndarray列，来实现具体特征名称与数值的对应：

1. 获取特征名称 #

iris数据集的特征名称存储在ds_info.features['features']的元数据中，执行以下代码即可获取：

feature_names = ds_info.features['features'].metadata['feature_names']
# 输出结果：['sepal_length', 'sepal_width', 'petal_length', 'petal_width']

2. 拆分DataFrame的特征列 #

拿到名称后，将包含ndarray的features列拆分为独立的特征列，替换原列：

import pandas as pd

# 生成初始DataFrame
df = tfds.as_dataframe(ds.take(10), ds_info)
# 将ndarray列拆分为对应名称的多列
df[feature_names] = pd.DataFrame(df['features'].tolist(), index=df.index)
# 删除原有的features列
df = df.drop('features', axis=1)

# 查看处理后的DataFrame
print(df)

替代方案：加载时直接格式化特征 #

也可以在数据集加载阶段就将张量格式的特征拆分为独立字段，再转成DataFrame：

def split_features(example):
    # 将features张量按索引拆分到对应字段
    example['sepal_length'] = example['features'][0]
    example['sepal_width'] = example['features'][1]
    example['petal_length'] = example['features'][2]
    example['petal_width'] = example['features'][3]
    del example['features']
    return example

# 应用格式化函数
ds_formatted = ds.map(split_features)
# 转换为带具体特征名的DataFrame
df = tfds.as_dataframe(ds_formatted.take(10), ds_info)
print(df)

内容的提问来源于stack exchange，提问作者Cyrille