df.iloc [：，1：2] .values和df.iloc [：，1] .values在熊猫中有什么区别？

Question

当我used x = dataset.iloc[:,1:2].values及以后在我的代码中

import matplotlib.pyplot as plt
import numpy as np
dataset = pd.read_csv('Position_Salaries.csv')
x = dataset.iloc[:,1:2].values #look here please
y = dataset.iloc[:,-1].values
from sklearn.svm import SVR
sv_regressor = SVR(kernel='rbf')

因此，当我改用x = dataset.iloc[:,1].values时，出现了错误提示

  

“期望2d数组，而改为1d数组”

在sv_regresso行中

错误在sv_regressor第w行，这就是为什么我标记了sklearn

Answer 1

不同之处在于，使用dataset.iloc[:,1:2]会得到DataFrame，使用dataset.iloc[:,-1]会得到Series。当您将属性values与DataFrame一起使用时，将获得一个2d ndarray，而对于Series将其得到一个1d ndarray。考虑以下示例：

   A  B  C
0  0  2  0
1  1  0  0
2  1  2  1

系列：

type(df.iloc[:, -1])
# pandas.core.series.Series

df.iloc[:, -1].values.shape
# (3,)

DataFrame：

type(df.iloc[:, -1:])
# pandas.core.frame.DataFrame

df.iloc[:, -1:].values.shape
# (3, 1)

一步一步将目标变量作为2d ndarray是机器学习中的一个常见技巧。

Answer 2

几乎相同，dataset.iloc[:,1:2]为您提供2维数据帧（从1到2的列），dataset.iloc[:,1]为您提供熊猫序列（1-d）（来自第1列）。 / p>