如何将sklearn交叉验证函数cross_validate的输出结果转换为DataFrame

scikit-learn中cross_validate接口返回的结果本身是符合DataFrame构造要求的字典结构，无需额外处理字段，直接调用pandas的DataFrame构造方法即可：

import pandas as pd

# 直接用cross_validate返回的results字典生成DataFrame
cv_results_df = pd.DataFrame(results)

生成的DataFrame每一行对应K折交叉验证的其中一折，每一列对应返回的统计指标：包括训练耗时fit_time、评分耗时score_time，以及你指定的各评估指标的训练集得分、测试集得分。

如果需要生成带均值、标准差的汇总统计表格，可以继续调用agg方法聚合：

# 生成各指标的均值、标准差汇总表，保留3位小数和你原有打印逻辑一致
cv_summary = cv_results_df.agg(['mean', 'std']).T.round(3)
# 可选：给列重命名为中文更易读
cv_summary.columns = ['平均得分', '标准差']

内容的提问来源于stack exchange，提问作者Niken Amelia