将 sklearn.dataset 癌症转换为 DataFrame

当我们需要导入和处理数据集时，经常使用scikit-learn库。其中有个很常用的模块是datasets，它提供了一些常见数据集的接口，例如iris（鸢尾花）,digits（手写数字）,Boston房价数据集等。

而有时候，我们需要将这些数据集转化为pandas的DataFrame格式以便更方便地进行处理。下面是一个简单的例子，展示了如何将一个癌症数据集转换为DataFrame。

首先，我们需要导入相应的库：

from sklearn.datasets import load_breast_cancer
import pandas as pd

然后，我们可以使用load_breast_cancer()函数来获取该数据集。获取的结果是一个Bunch类型的对象，其中包含了该数据集的所有信息。

cancer = load_breast_cancer()

接下来，我们需要将这些信息转换为DataFrame的格式。我们可以使用pandas.DataFrame()函数将数据和目标变量拼接起来，其中数据使用cancer.data，目标变量使用cancer.target。

df_cancer = pd.DataFrame(data=cancer.data, columns=cancer.feature_names)
df_cancer['target'] = pd.Series(cancer.target)

最后，我们可以通过df.head()函数查看转换后的DataFrame的前几行数据。

df_cancer.head()

Markdown代码：

# 将 sklearn.dataset 癌症转换为 DataFrame

当我们需要导入和处理数据集时，经常使用scikit-learn库。其中有个很常用的模块是datasets，它提供了一些常见数据集的接口，例如iris（鸢尾花）,digits（手写数字）,Boston房价数据集等。

而有时候，我们需要将这些数据集转化为pandas的DataFrame格式以便更方便地进行处理。下面是一个简单的例子，展示了如何将一个癌症数据集转换为DataFrame。

首先，我们需要导入相应的库：

```python
from sklearn.datasets import load_breast_cancer
import pandas as pd

然后，我们可以使用load_breast_cancer()函数来获取该数据集。获取的结果是一个Bunch类型的对象，其中包含了该数据集的所有信息。

cancer = load_breast_cancer()

接下来，我们需要将这些信息转换为DataFrame的格式。我们可以使用pandas.DataFrame()函数将数据和目标变量拼接起来，其中数据使用cancer.data，目标变量使用cancer.target。

df_cancer = pd.DataFrame(data=cancer.data, columns=cancer.feature_names)
df_cancer['target'] = pd.Series(cancer.target)

最后，我们可以通过df.head()函数查看转换后的DataFrame的前几行数据。

df_cancer.head()