相关疑难解决方法(0)

我对熊猫索引列的结果感到困惑。

都

db['varname']

和

db[['varname']]

给我'varname'的列值。但是，看起来有些细微的差别，因为的输出db['varname']显示了值的类型。

我一直在学习Google的机器学习速成课程，并且他们有一个部分，其中有一个练习教您如何使用pandas和tensorflow。在开始时，他们抓住数据帧，并在紧接着抓住“ total_rooms”和“ median_house_value”系列之后。他们用双括号抓住“ total_rooms”系列，而只用一组括号抓住“ median_house_value”系列。我通读了panda的文档，似乎您需要使用双括号索引到一系列索引中的唯一原因是立即索引2列，即data california_housing_dataframe [[“ median_house_value”，“ total_rooms”]]。

这是我正在谈论的代码。

california_housing_dataframe = pd.read_csv("https://dl.google.com/mlcc/mledu-datasets/california_housing_train.csv", sep=",")
# Define the input feature: total_rooms.
my_feature = california_housing_dataframe[["total_rooms"]]
# Configure a numeric feature column for total_rooms.
feature_columns = [tf.feature_column.numeric_column("total_rooms")]

targets = california_housing_dataframe["median_house_value"]

如果需要更多上下文，请参见以下更多代码：

california_housing_dataframe = pd.read_csv("https://dl.google.com/mlcc/mledu-datasets/california_housing_train.csv", sep=",")

# Define the input feature: total_rooms.
my_feature = california_housing_dataframe[["total_rooms"]]
# Configure a numeric feature column for total_rooms.
feature_columns = [tf.feature_column.numeric_column("total_rooms")]

targets = california_housing_dataframe["median_house_value"]

def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
    """Trains a linear regression model of one feature.

    Args: …