为什么我收到此错误消息?
以下是我的代码中包含的变量。它们包含的列都是虚拟变量:
country_cols = wine_dummies.loc[:, 'country_Chile':'country_US']
variety_cols = wine_dummies.loc[:, 'variety_Cabernet
Sauvignon':'variety_Zinfandel']
pricecat_cols = wine_dummies.loc[:, 'price_category_low':]
这是抛出错误的代码(它将错误抛给“X = wine [feature_cols_1]”:
feature_cols_1 = ['price', country_cols, variety_cols, 'year']
feature_cols_2 = [pricecat_cols, country_cols, variety_cols, 'year']
X = wine[feature_cols_1] <---ERROR
y = wine['points']
这是我的数据帧的负责人:
country designation points price province variety year ... variety_Riesling variety_Rosé variety_Sangiovese variety_Sauvignon Blanc variety_Syrah variety_Tempranillo variety_White Blend variety_Zinfandel price_category_low price_category_med
Portugal Avidagos 87 15.0 Douro Portuguese Red 2011.0 ... 0 0 0 0 0 0 0 0 1 0
^“...”之后的每个虚拟变量(0和1)对应于“...”之后的每一列
这实际上非常麻烦,所以只有在'country_Chile':'country_US'
之间有很多列时它才会有用。在下面的例子中,我故意通过获取列索引来删除a
中的middle_columns
列。
这是使用pandas.Index.get_loc
查找开始和结束列的索引,然后可以将其用作完整数据框列列表中的切片。然后使用*
将该列表解压缩到最终的列列表中。
import pandas as pd
df = pd.DataFrame({'a': [1, 2, 3], 'b': [2, 3, 4], 'c': [3, 4, 5],
'd': [4, 5, 6], 'wine': ['happy', 'drunk', 'sad'],
'year': [2002, 2003, 2019]})
middle_columns = df.columns[df.columns.get_loc('b'):df.columns.get_loc('d')+1]
all_cols = ['wine', *middle_columns, 'year']
X = df[all_cols]
您当前的方法不起作用的原因是feature_cols_1 = ['price', country_cols, variety_cols, 'year']
返回字符串和数据帧的列表,然后您尝试将其用作第二个数据帧的列。