使用Pandas构建ML预测模型：X、y列划分两种方式的差异及报错问题

一、两组代码的核心差异 #

第一组代码 #

X = np.array(df.drop([predict], 1))
y = np.array(df[predict])

• 通过np.array()将pandas的DataFrame/Series强制转换为NumPy数组
• df.drop([predict],1)中的1是旧版pandas的列删除参数（新版推荐用axis=1替代）

第二组代码 #

X= data.drop(columns=[predict])
y=data[predict]

• 直接保留pandas原生数据类型：X是DataFrame，y是Series，未做数组转换

二、KeyError=0的原因 #

循环代码print(predictions[x], x_test[x], y_test[x])的报错完全由数据类型差异导致：

• 用第一组代码时，x_test是NumPy数组，数组支持整数位置索引，x_test[x]会直接取第x行的特征数据，运行正常。
• 用第二组代码时，x_test是pandas DataFrame，此时x_test[x]会被pandas解析为按列名索引，而你的DataFrame中不存在名为0的列，因此抛出KeyError=0。

解决方法 #

方法1：统一转换为NumPy数组（和第一组代码对齐） #

X= np.array(data.drop(columns=[predict]))
y=np.array(data[predict])

方法2：用pandas的位置索引方法访问行 #

修改循环中的索引方式，使用.iloc指定位置索引：

for x in range(len(predictions)):
    print(predictions[x], x_test.iloc[x], y_test.iloc[x])

内容的提问来源于stack exchange，提问作者KKG