当前位置：首页 > news >正文

Scikit-learn：Bunch 对象

news 2026/4/20 0:55:34

在 Scikit-learn 中，很多数据集加载函数或获取函数并不是直接返回元组、列表或单独的数组，而是以名为 Bunch 的对象统一封装。理解 Bunch 对象，有助于更清晰地读取数据集内容，也能帮助初学者建立“数据集由多个部分共同构成”的整体认识。

一、什么是 Bunch 对象

Bunch 是 Scikit-learn 中的一种容器对象，本质上是支持属性访问的字典式数据结构。

Bunch 与普通字典非常相似，但它额外支持通过属性名访问键对应的值。

例如普通字典通常写作：

d["data"]

而 Bunch 既能这样写，也能写成：

bunch.data

因此，Bunch 可以看作是：在保留字典组织方式的同时，提供了更方便的访问形式。

Bunch 的作用主要是把同一数据集的多个相关部分统一组织起来，并提供更方便的访问方式；真正参与数值计算和模型训练的，仍然是其中的 data、target 等具体数据对象。

二、为什么 Scikit-learn 要使用 Bunch

一个机器学习数据集往往不只有一份“数据”。通常还会同时包含：

• 特征数据

• 标签数据

• 特征名称

• 类别名称

• 数据说明文档

如果把这些内容分散返回，使用时会比较混乱。而 Bunch 的优势就在于：用一个对象统一保存这些相关信息。

例如，加载鸢尾花数据集时：

from sklearn.datasets import load_iris iris = load_iris()print(type(iris))

输出结果通常类似于：

<class 'sklearn.utils._bunch.Bunch'>

可以看出，load_iris() 返回的并不是单独的数组，而是一个 Bunch 对象。

说明：上例输出结果中出现的是其实际实现所在的模块路径；在学习和使用时，通常将它理解为 sklearn.utils.Bunch 即可。

三、Bunch 中常见的字段

不同数据集返回的字段可能略有差异。

要注意的是，下面列出的这些字段是常见字段，而不是所有 Bunch 对象都必须同时具备的固定字段集合。

data 是最核心的部分，表示特征矩阵。

它通常是一个二维数组：

• 每一行表示一个样本

• 每一列表示一个特征

例如在鸢尾花数据集中，四列特征分别对应花萼长度、花萼宽度、花瓣长度和花瓣宽度；在实际返回结果中，它们会以 sepal length (cm)、sepal width (cm)、petal length (cm)、petal width (cm) 等名称出现。

print(iris.data[:3])

说明：

在较新版本的 Scikit-learn 中，许多加载函数支持 as_frame=True。此时返回的 Bunch 中，data 会变为 pandas DataFrame，target 会变为 DataFrame 或 Series；如果再设置 return_X_y=True，则函数会直接返回这两个对象。

target 表示标签数组，也就是每个样本对应的类别或目标值。

print(iris.target[:10])

如果是分类问题，target 往往是类别编号；

如果是回归问题，target 往往是连续数值。

feature_names 用于说明各个特征列的名称。

print(iris.feature_names)

这对于理解 data 中每一列的含义非常重要。否则，我们只能看到数字，而不知道这些数字分别表示什么。

在分类数据集中，target_names 常用于给出类别名称。

print(iris.target_names)

例如，target 中可能用 0、1、2 表示三类花，而 target_names 则给出它们真正的类别名称。

DESCR 是对数据集的文字说明（description），通常包含：

• 数据集背景

• 样本数量

• 特征说明

• 类别说明

• 数据来源

print(iris.DESCR[:300])

DESCR 是一个字符串（str）类型的字段，适合在初步了解数据集时阅读，但一般不用于正式建模过程中的数值计算。

四、Bunch 的两种访问方式

1、属性访问

这是最常见、也最直观的方式：

print(iris.data.shape)print(iris.target.shape)print(iris.feature_names)

这种写法简洁，适合日常使用。

不过需注意，属性访问要求键名必须是有效的 Python 变量名（无空格、无连字符）。若遇到特殊键名，仍需使用下方的字典方式访问。

2、字典方式访问

由于 Bunch 与字典类似，也可以这样写：

print(iris["data"].shape)print(iris["target"].shape)print(iris["feature_names"])

这种写法在需要动态处理键名时更方便。

例如：

for key in iris.keys(): print(key)

五、简单示例

下面通过一个简单示例观察 Bunch 对象中最常用的几个部分：

from sklearn.datasets import load_iris # 加载鸢尾花数据集iris = load_iris() # 查看 Bunch 中有哪些字段print(iris.keys()) # 查看特征矩阵和标签数组的形状print("data 的形状：", iris.data.shape)print("target 的形状：", iris.target.shape) # 查看特征名称print("特征名称：", iris.feature_names) # 查看类别名称print("类别名称：", iris.target_names) # 查看前 3 个样本print("前 3 个样本：")print(iris.data[:3]) # 查看前 3 个样本的标签print("前 3 个标签：")print(iris.target[:3])

通过这个示例可以看到，Bunch 对象并不是某种复杂算法结构，而是一个把数据集相关信息组织在一起的“容器”。

六、学习 Bunch 时应把握的重点

学习 Bunch，不必把注意力放在它的内部实现上，而应重点理解以下三点。

1、Bunch 是数据集的封装容器

Bunch 负责把同一数据集的多个部分组织在一起。

2、Bunch 本身不是训练数据

真正用于建模的是 data 和 target，而不是 Bunch 这个外层对象本身。

3、Bunch 可帮助我们建立完整的数据集视角

一个数据集不仅有样本值，还应包括特征名、标签含义和说明信息。

Bunch 的价值正在于把这些内容统一呈现出来。

从机器学习建模的角度看，Bunch 更适合用于“查看和理解数据集”；真正送入模型的，通常是其中的 data 与 target，或者由 return_X_y=True 直接返回的两个对象。

📘 小结