使用pandas进行ML模型预测-删除'X'和'y'列的最佳方法是什么？

okxuctiv 于 2023-06-04 发布在其他

关注(0)|答案(1)|浏览(172)

我是一个业余的程序员。我想了解以下两者之间的区别：

X = np.array(df.drop([predict], 1))
y = np.array(df[predict])

和我以前在ML模型中使用的常规代码

X= data.drop(columns=[predict])
y=data[predict]

我试图预测学生的成绩，最后我遵循的代码使用下面的预测，然后是原始属性和实际分数：

for x in range(len(predictions)):
    print(predictions[x], x_test[x], y_test[x])

但这似乎只在第一组代码用于删除列时才起作用，而不是第二组代码，因为我得到KeyError = 0？

1条答案

让我解释一下

X = np.array(df.drop([predict], 1)) 
y = np.array(df[predict])

在第一行中，它从dataframe df中删除predict列，然后将剩余的dataframe转换为numpy数组并分配给变量X。类似地，df的predict列被选择并转换为numpy数组并分配给变量y。
现在让我们看看评分代码：

for x in range(len(predictions)): 
  print(predictions[x], x_test[x], y_test[x])

这是试图打印三个numpy数组的元素，我假设它们是从早期的X和y numpy数组中获得的。在循环中，x用于索引所有三个numpy数组。由于代码是以索引和获取每个元素的方式编写的，因此我们需要numpy数组格式的X和y。
让我们看看第二个代码：

X = data.drop(columns=[predict]) 
y = data[predict]

这里的X是pandas dataframe，y是pandas series。因此，我们不能像索引numpy数组那样索引它们，所以它不起作用。