从 df 中选择特征和标签 - Python

在机器学习中，我们通常需要从数据集中选择特征和标签来训练和测试模型。在Python中，我们可以使用pandas库中的DataFrame来存储和处理数据，然后从中选择特征和标签。

选择特征和标签

我们可以使用pandas库中的iloc方法来选择特定列作为特征和标签。iloc方法使用整数位置索引和切片，并返回一个新的DataFrame对象。

下面是一个示例代码，假设我们有一个名为df的DataFrame对象，其中包含三列数据'feature1', 'feature2'和'label'：

import pandas as pd

df = pd.read_csv('data.csv')

# 选择特征列
X = df.iloc[:, :2]

# 选择标签列
y = df.iloc[:, 2]

这将选择第一列和第二列作为特征，并选择第三列作为标签。X和y现在都是新的DataFrame对象。

返回结果

# 从 df 中选择特征和标签 - Python

在机器学习中，我们通常需要从数据集中选择特征和标签来训练和测试模型。在Python中，我们可以使用pandas库中的DataFrame来存储和处理数据，然后从中选择特征和标签。

## 选择特征和标签

我们可以使用pandas库中的iloc方法来选择特定列作为特征和标签。iloc方法使用整数位置索引和切片，并返回一个新的DataFrame对象。

下面是一个示例代码，假设我们有一个名为df的DataFrame对象，其中包含三列数据'feature1', 'feature2'和'label'：

```python
import pandas as pd

df = pd.read_csv('data.csv')

# 选择特征列
X = df.iloc[:, :2]

# 选择标签列
y = df.iloc[:, 2]

这将选择第一列和第二列作为特征，并选择第三列作为标签。X和y现在都是新的DataFrame对象。