Question

我在尝试在简单DF上生成共线性分析时遇到问题（请参见下文）。我的问题是，每次尝试运行该函数时，都会检索以下错误消息：

KeyError: "None of [Int64Index([0, 1, 2, 3], dtype='int64')] are in the [columns]"

下面是我正在使用的代码

read_training_set = pd.read_csv('C:\\Users\\rapha\\Desktop\\New test\\Classeur1.csv', sep=";")
training_set = pd.DataFrame(read_training_set)

print(training_set)

def calculate_vif_(X):
    thresh = 5.0
    variables = range(X.shape[1])

    for i in np.arange(0, len(variables)):
        vif = [variance_inflation_factor(X[variables].values, ix) for ix in range(X[variables].shape[1])]
        print(vif)

        maxloc = vif.index(max(vif))
        if max(vif) > thresh:
            print('dropping \'' + X[variables].columns[maxloc] + '\' at index: ' + str(maxloc))
            del variables[maxloc]

    print('Remaining variables:')
    print(X.columns[variables])
    return X

X = training_set
X2 = calculate_vif_(X)

我要在其上运行函数的DF看起来像这样。

   Year  Age  Weight  Size
0  2020   10     100   170
1  2021   11     101   171
2  2022   12     102   172
3  2023   13     103   173
4  2024   14     104   174
5  2025   15     105   175
6  2026   16     106   176
7  2027   17     107   177
8  2028   18     108   178

我在这里有两个猜测；但不确定如何解决该问题：

-猜测1：np.arrange导致与标题和列的某种冲突，从而阻止了遍历每一列的其余功能

-猜测2：问题来自blankseperators，这阻止了函数正确地从一列跳到另一列。问题是我的CSV文件已经有“;”分隔符（我手动创建文件并将其另存为带有“，”分隔符的常规CSV文件时，我不知道为什么要对此表示敬意）。

目前还不确定如何解决该问题，有人在这里有见识吗？

最佳

Answer 1

此代码段X[variables].values引起了错误。将variables（即range）转换为list。

顺便说一句，代码非常混乱。当np.arange已经是variables时，为什么要呼叫range？为什么要使用一定范围的列数来索引行？

从以上评论看来，您认为您正在按列号索引列，但实际上是对行进行索引。如果您使用loc`` or iloc```来明确说明您要索引的内容，则会消除一些混淆。

Answer 2

知道了，我修改了整个内容，似乎正在工作。参见下面的外观。

非常感谢您的帮助

    variables = list(range(X.shape[1]))

    for i in variables:
        vif = [variance_inflation_factor(X.iloc[:, variables].values, ix)
               for ix in range(X.iloc[:, variables].shape[1])]

        maxloc = vif.index(max(vif))
        if max(vif) > thresh:
            print('dropping \'' + X.iloc[:, variables].columns[maxloc] +
                  '\' at index: ' + str(maxloc))
            del variables[maxloc]

    print('Remaining variables:')
    print(X.columns[variables])
    return X.iloc[:, variables]


X = training_set
X2 = calculate_vif_(X)```

读取CSV和列-KeyError：“ [Int64Index（[0，1，2，3]，dtype ='int64'）]都不在[列]中”

2 个答案: