由于某种原因，train_test_split 尽管长度相同且索引看起来相同，但仍会触发此错误。
from sklearn.model_selection import KFold
data = {'col1':[30.5,45,1,99,6,5,4,2,5,7,7,3], 'col2':[99.5, 98, 95, 90,1,5,6,7,4,4,3,3],'col3':[23, 23.6, 3, 90,1,9,60,9,7,2,2,1]}
df = pd.DataFrame(data)
train, test = train_test_split(df, test_size=0.10)
X = train[['col1', 'col2']]
y2 = train['col3']
X = np.array(X)
kf = KFold(n_splits=3, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, y_train = X[train_index], y[train_index]
y 是熊猫系列（与 x 长度相同）。x 是一个数据框，大约有 20 个数字列被转换为 numpy 数组。
出于某种原因，尽管长度相同，但 train_test_split 仍会触发错误。
如果我不调用 train_test_split 它工作正常。
由于尝试以这种方式索引 numpy 数组而触发错误的最后一行：y[train_ind]
重要的是要知道在查询期间日期是未知的，因此我不能只硬编码“WHERE”子句。
这是我的桌子：
+-----------+----------+-------------+
| Date_ID | Customer | Order_Count |
+-----------+----------+-------------+
| 20150101 | Jones | 6 |
| 20150102 | Jones | 4 |
| 20150103 | Jones | 3 |
+-----------+----------+-------------+
这是所需的输出：
+-----------+----------+------------------+
| Date_ID | Customer | SUM(Order_Count) |
+-----------+----------+------------------+
| 20150101 | Jones | 6 |
| 20150102 | Jones | 10 |
| 20150103 | Jones | 13 |
+-----------+----------+------------------+
我的猜测是我需要使用变量或者连接。
编辑：仍然无法足够快地获得它。非常慢。
我试图获得特定细胞的价值.
main_id name code
0 1345 Jones 32
1 1543 Jack 62
2 9874 Buck 86
3 2456 Slim 94
我想要代码= 94的单元格,因为我已经知道main_id但没有别的.
raw_data = {'main_id': ['1345', '1543', '9874', '2456'],
'name': ['Jones', 'Jack', 'Buck', 'Slim'],
'code': [32, 62, 86, 94]}
df=pd.DataFrame(raw_data, columns = ['main_id', 'name', 'code'])
v=df.loc[str(df['main_id']) == str(2456)]['code'].values
print(df.loc['name'])
该print(df.loc['name'])索赔标签不在索引中
并v=df.loc[str(df['main_id']) == str(2456)]['code'].values说'KeyError False'
我正在df中的两列上进行一些字符串比较,但是当我将结果分配给新的数据帧时,我只得到1列,其中包含比较的布尔结果:
N=df['pair2'].str.split('_').str[1]!=df['pair1'].str.split('_').str[1]
N包含:
True
False
....
我只希望整个原始df减去字符串比较为TRUE的行.