特徴量データ設定の際のnp.arrayとlistの扱い 決定木の可視化の際のエラー'numpy.ndarray' object has no attribute 'columns'

Question

pythonにおけるarrayとリストの違いについてどうしても曖昧なままです。
listとnp.arrayの違いについて調べてみるとlistとnp.arrayではメモリ効率が異なるなどのlistのデメリットがあることなどは勉強しています。
しかしながらどうしても違いが曖昧なまま理解しているためか
'numpy.ndarray' object has no attribute 'columns'
や
'list' object has no attribute 'shape'
などのエラーを度々起こしてしまいます。
エラーの都度
data=np.array(df)などとarrayにその都度適宜変換しているのですが問題ないのでしょうか?

現在決定木を利用したプログラムの可視化を勉強しているのですが

sampleとfeatures用のXデータを作成の際に
X=[]
for i in range(n):
onedata=np.load("filename.npy")
data.append(onedata)
でlistとしてデータを格納し、Xとtargetdataのyを作成し、
clf.fit(X,y)で決定木のプログラムを作成しています。
predictまでは問題ないのですが、
決定木の可視化をおこなう際に
dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data,feature_names=X.columns, max_depth=3)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("graph.pdf")
Image(graph.create_png())
と記載しているのですが、
'numpy.ndarray' object has no attribute 'columns'と表示されてしまいます。

そもそも特徴量とサンプルのためのXデータを作成する際はlistで格納していくことは望ましくないのでしょうか?

Answer 1

listとnumpy.arrayに.columnsはありません。
それはpandas.DataFrameですね。

---

numpyを使わないとかでなければ、常にnp.arrayになるようにコードを工夫するとエラーを減らすことができます。

たとえば、

l = []
for v in range(10):
    l.append(v)

はnumpyだと、

import numpy as np
l = np.zeros(10, dtype=int) # or dtype=float
for i, v in enumerate(range(10)):
    l[i] = v

Comments

[yohehe]

ありがとうございます。リストで作成するのではなく、np.arrayを作成し、そこに追加していくという形だとエラーが少なくなるのですね。勉強になります。
色々とpandasとnumpyなどが混同してしまってたみたいです。pandasについて勉強してみます。ありがとうございました!