相同的输出可如下获得：

Question

熊猫初学者在这里。我想要返回完整列的数据，我已经看到了几种不同的方法。

以下两个条目之间有什么区别，如果有的话？看起来他们回归了同样的事情。

loansData [ 'int_rate']

loansData.int_rate

Answer 1

后者基本上是前者的语法糖。（至少）有几个陷阱：

如果列的名称不是有效的Python标识符（例如，如果列名称为my column name?!，则必须使用前者。
有些令人惊讶的是，您只能使用前一种形式来完全正确添加新列（例如，请参阅here）。

后一声明的示例：

import pandas as pd

df = pd.DataFrame({'a': range(4)})
df.b = range(4)
>> df.columns
Index([u'a'], dtype='object')

但出于某种原因，df.b会返回正确的结果。

Answer 2

他们确实回归了同样的事情。 pandas中的列名类似于引用系列的字典键。列名称本身是命名属性，属于dataframe对象。

第一种方法是首选方法，因为它允许空格和其他非法操作符。

有关更完整的说明，我建议您查看一下这篇文章： http://byumcl.bitbucket.org/bootcamp2013/labs/pd_types.html#pandas-types

搜索'使用dict表示法访问'以查找显示这两个方法返回相同值的示例。

Answer 3

它们是相同的，但对我来说，第一个方法处理列名和非法字符中的空格所以是首选，例如：

In [115]:

df = pd.DataFrame(columns=['a', ' a', '1a'])
df
Out[115]:
Empty DataFrame
Columns: [a,  a, 1a]
Index: []

In [116]:

print(df.a) # works
print([' a']) # works
print(df.1a) # error
  File "<ipython-input-116-4fa4129a400e>", line 3
    print(df.1a)
             ^
SyntaxError: invalid syntax

真的当你使用点.时，它试图找到一个键作为属性，如果由于某种原因你使用了与属性匹配的列名，那么使用点将不会达到预期的效果。

示例：

In [121]:

df = pd.DataFrame(columns=['index'], data = np.random.randn(3))
df
Out[121]:
      index
0  0.062698
1 -1.066654
2 -1.560549
In [122]:

df.index
Out[122]:
Int64Index([0, 1, 2], dtype='int64')

上面已经显示了索引而不是列'index'

Answer 4

如果您正在处理任何ML项目，并且想要分别提取特征变量和目标变量，并且需要将它们分开放置，则可以。下面的代码将很有用：这是通过将索引作为列表来选择要素并将其应用于数据框。这段代码中的数据是DF。

len_col=len(data.columns)
total_col=list(data.columns)
Target_col_Y=total_col[-1]
Feature_col_X=total_col[0:-1]
print('The dependent variable is')
print(Target_col_Y)
print('The independent variables are')
print(Feature_col_X)

相同的输出可如下获得：

The dependent variable is
output
The independent variables are
['age', 'job', 'marital', 'education','day_of_week', ... etc]

熊猫：从数据框中选择列

4 个答案:

相同的输出可如下获得：