在 train_test_split 返回的数据上，熊猫“不再支持将列表喜欢传递给带有任何缺失标签的 .loc 或 []”

Posted 2023-03-12

【中文标题】在 train_test_split 返回的数据上，熊猫“不再支持将列表喜欢传递给带有任何缺失标签的 .loc 或 []”

【英文标题】：Pandas 'Passing list-likes to .loc or [] with any missing labels is no longer supported' on train_test_split returned data

【发布时间】：2020-06-13 00:00:20

【问题描述】：

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 个数字列转换为 numpy 数组。

由于某种原因，train_test_split 会触发错误，尽管长度相同。

如果我不调用 train_test_split 它可以正常工作。

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]

【问题讨论】：

您的问题包括缺少参数，例如什么是 r？是吗？折叠？请参阅最小可重现示例***.com/help/minimal-reproducible-example

你可以试试xtrain,ytrain = x[train_ind],y[train_ind]

产生同样的错误和 x[train_ind:],y[train_ind] 给出：只有整数标量数组可以转换为标量索引

告诉我们x - 形状，dtype？还有train_ind

【参考方案1】：

我已尝试为您的情况创建一个场景。

我创建了以下数据框：

    col1  col2  col3
0      1     2     1
1      3     4     0
2      5     6     1
3      7     8     0
4      9    10     1
5     11    12     0
6     13    14     1
7     15    16     0
8     17    18     1
9     19    20     0
10    21    22     1
11    23    24     0
12    25    26     1
13    27    28     0
14    29    30     1

我为 X 设置了 col1 和 col2，为 y 设置了 col3。在此之后，我将 X 转换为 numpy 数组，如下所示。唯一不同的是我在KFold 中使用了shuffle。

X = df[['col1', 'col2']]
y = df['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]

而且效果很好。所以请检查我的代码和你的代码，如果我遗漏了什么，请澄清一下。

更新

我假设 y2 是 y。所以y类型仍然是Series，你需要使用.iloc。以下代码运行良好。

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']]
y = 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.iloc[train_index]

【讨论】：

你是对的。它与 sci kit 中的 train_test_split 函数有关。由于某种原因，返回的数据类型看起来完全相同，但会产生错误。我会更新问题。

【参考方案2】：

如果这对任何人都有帮助，我在数据帧上使用 .groupby 函数时遇到了同样的问题。我通过使用修复它：

df.reset_index(drop=True, inplace=True)