我們在用python進行機器學習建模時，首先需要對資料進行預處理然後進行特徵工程，在這些過程中，資料的格式可能會發生變化，前幾天我遇到過的問題就是：

　　　　對資料進行標準化、歸一化、方差過濾的時候資料都從DataFrame格式變為了array格式。

這樣資料的列名就會消失，且進行特徵選擇之後列的數量也會發生改變，因此需要重新對列進行對映，為其加上列名並轉化為DataFrame的格式。一般情況下可以分為三種情況：

1、對資料進行缺失值填補、編碼（處理分型別變數）、二值化（處理連續型變數）一般都是按照列對資料進行處理，因此處理完之後，直接覆蓋原資料即可。　　　　

data.loc[:,"
 
Age"]= SimpleImputer(strategy="median").fit_transform(data.loc[:,"Age"].values.reshape(-1,1))

2、對資料進行標準化、歸一化都是對整個特徵矩陣進行處理，資料型別變為array，但是資料的列並沒有發生任何改變。直接將原始的列名重新對映至處理好的資料上。

X_train1 = min_max_scaler.fit_transform(X_train)  
X_train1=pd.DataFrame(X_train1)
X_train1.columns = X_train.columns

3、在所有特徵選擇方法，方差，SelectKBest+各種統計量（卡方過濾、F檢驗、互資訊法），嵌入法和包裝法，都有介面get_support，該介面有屬性get_support(indices=False)，引數為false的時候可以用來確定原特徵矩陣中有哪些特徵被選擇出來，返回布林值True或者False，如果設定indices=True，就可以確定被選擇出來的特徵在原特徵矩陣中所在的位置的索引。