熊猫中的 df.iloc[：，1：2].values 和 df.iloc[：，1].values 有什么区别？

Question

当我used x = dataset.iloc[:,1:2].values时，稍后在我的代码中

import matplotlib.pyplot as plt
import numpy as np
dataset = pd.read_csv('Position_Salaries.csv')
x = dataset.iloc[:,1:2].values #look here please
y = dataset.iloc[:,-1].values
from sklearn.svm import SVR
sv_regressor = SVR(kernel='rbf')

所以当我改用x = dataset.iloc[:,1].values时，我收到一个错误说

"预期的 2D 数组，而是获得 1D 数组">

在sv_regresso行中

错误出在 w 行sv_regressor，这就是我标记sklearn

Answer 1

不同之处在于，有了dataset.iloc[:,1:2]，您将获得DataFrame，而有了dataset.iloc[:,-1]，您将获得Series。当您将属性values与DataFrame一起使用时，您将获得 2d ndarray，使用Series将获得 1d ndarray。请考虑以下示例：

A  B  C
0  0  2  0
1  1  0  0
2  1  2  1

系列：

type(df.iloc[:, -1])
# pandas.core.series.Series
df.iloc[:, -1].values.shape
# (3,)

数据帧：

type(df.iloc[:, -1:])
# pandas.core.frame.DataFrame
df.iloc[:, -1:].values.shape
# (3, 1)

机器学习中的一种常见技巧是一步获得目标变量作为 2D ndarray。

Answer 2

它几乎是一样的，dataset.iloc[:,1:2]给你一个二维数据帧(从 1 到 2 列(，dataset.iloc[:,1]给你一个熊猫系列(1-d((从第 1 列(。