Pandas DataFrame 取整列

使用

df = pd.read_csv("csv_file.csv") 

读出来的数据 就是 DataFrame 格式 ? <class 'pandas.core.frame.DataFrame'>

取整列的方式三种 (1⃣️ [] 2⃣️ loc 3⃣️ iloc）

参考：https://www.kdnuggets.com/2019/06/select-rows-columns-pandas.html

数据来源：https://www.kaggle.com/thebrownviking20/intro-to-recurrent-neural-networks-lstm-gru/data

IBM_2006-01-01_to_2018-01-01.csv

数据?

1⃣️ [] 直接用列名

col_high = df[['High']].values
print(col_high)
print(col_high.shape)

⚠️有两层 []

df['High'].values.reshape(-1, 1) 和 上面代码里一样效果

如果 只打一层 [] 取出来的是 Series，其 shape 是（_, ）即 数据是 1D array，而不是2D array

可能会导致之后 数据放进 模型报错（ValueError: Expected 2D array, got 1D array instead）

（eg. MinMaxScaler().fit() 中要求的数据类型就是 Expected 2D array）

查看 Dimension：.ndim

数据处理更详细的资料：https://towardsdatascience.com/get-into-shape-14637fe1cd32

2⃣️ iloc 用整数表示的列 取列（咱英语是计算机老师教的，官方名字解释?）

Purely integer-location based indexing for selection by position.

col_integer_location = df.iloc[:, 1:2].values
print(col_integer_location)
print(col_integer_location.shape)

iloc [开始行:结束行(不含), 开始列:结束列(不含)] 空着表示全选

[:,1:2] 行全选，列选 1至2列 但不包含第2列

结果和 1⃣️ 是一样的 就不截图了?

3⃣️ loc 用列名 (lable)

.loc[] is primarily label based, but may also be used with a boolean array.

A boolean array of the same length as the axis being sliced, e.g. [True, False, True].

官文参考：https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.loc.html

col_label = df.loc[:, 'High':'High'].values
print(col_label)
print(col_label.shape)

用 label 取列 也会出现数字，但这里的数字表示列名 而非真正的列的位次（排第三也能叫第一）

loc 取列的时候 是包含结束列的，如果这里还写 'High':'Low' 那shape 就是 (_, 2) 了，即选了两列

loc [开始行:结束行(含), 开始列:结束列(含)]

结果和 1⃣️ 是一样的 就不截图了?