数据集中object列识别：s[s].index代码作用解析

我们一步步拆解这段代码的逻辑，就能明白s[s].index的作用：

1. 先看第一行代码 s = (X_train.dtypes == 'object')
X_train.dtypes返回的是一个Series，索引是数据集的列名，值是对应列的数据类型。加上== 'object'后，会生成一个布尔Series（也就是变量s）：其中值为True的位置，对应原数据集中类型为object的列；值为False的则是其他数据类型的列。

2. 再看s[s]这部分
   这是Pandas里的布尔索引筛选操作——用布尔Series本身作为索引，会自动只保留s中值为True的行。此时筛选后的Series，依然保留着原数据集的列名作为索引，只是只留下了那些类型为object的列对应的记录。

3. 最后是.index
   这个属性的作用是提取筛选后Series的索引部分，也就是所有类型为object的列的名称。再用list()把它转成列表，就得到了你要的分类变量（object类型）的列名列表。

举个直观的例子：假设X_train有['name', 'age', 'address']三列，其中name和address是object类型，age是int类型。那么：

• s的内容是：

  name      True
  age       False
  address   True
  dtype: bool
  

• s[s]筛选后是：

  name      True
  address   True
  dtype: bool
  

• s[s].index就是Index(['name', 'address'], dtype='object')，转成列表后就是['name', 'address']，也就是最终要的分类变量列名。

内容的提问来源于stack exchange，提问作者Ashraf Badalov