iloc使用scikit学习随机森林分类器

Question

我正在尝试构建一个随机森林分类器，以基于不同的属性确定对象的“类型”。我在理解iloc并从分类中分离出预测变量时遇到了麻烦。如果第50列是'type'列，我想知道为什么iloc（注释掉）行不起作用，而y = dataset["type"]行却起作用。我已附上以下代码。谢谢！

X = dataset.iloc[:, 0:50].values
y = dataset["type"]
#y = dataset.iloc[:,50].values

Answer 1

让我们假设数据框中的第一列被命名为“ 0”，随后的列也因此被命名。像下面几行的结果一样

last_col=50
tab=pd.DataFrame([[x for x in range(last_col)] for c in range(10)])

现在，请尝试tab.iloc[:,0:50]-它将起作用，因为您使用了切片来选择列索引。 但是，如果您尝试使用tab.iloc[:,50]-它将不起作用，因为没有索引为50的列。

通过索引对其进行切片和选择只是有些不同。从熊猫文档中： .iloc []主要是基于整数位置（从0到轴的长度1）

我希望有帮助。