K折交叉验证代码报错：'(slice(None, None, None), 0)'无效键及iloc问题

看起来你在实现K折交叉验证时踩了一个很常见的坑——混淆了pandas DataFrame和numpy数组的索引逻辑，我来帮你理清楚问题并修正代码。

错误原因分析 #

你遇到的两个错误本质上是同一个问题：

• 当你用np.array_split(data, k)处理pandas DataFrame时，返回的是一个包含k个DataFrame的列表，而不是numpy数组。所以你用folds[i][:, 0]这种numpy式的索引会报错，因为DataFrame不支持这种索引语法。
• 之后尝试folds.iloc[i]又报错，是因为folds是Python列表，而iloc是pandas DataFrame独有的方法，列表根本没有这个属性。

下面给你两种可行的修正方案，你可以根据自己的习惯选择：

方案一：纯Pandas/DataFrame操作（推荐，保持数据结构清晰） #

这种方法保留DataFrame的结构，更适合后续的数据分析和预处理：

import pandas as pd
import numpy as np

data = pd.read_csv('Data_assignment1.csv')
k = 10

# 正确打乱DataFrame：用sample方法，避免破坏数据结构
data_shuffled = data.sample(frac=1, random_state=42).reset_index(drop=True)
# 分割成k个DataFrame组成的列表
folds = np.array_split(data_shuffled, k)

for i in range(k):
    # 取出第i折作为验证集，用iloc获取列（或直接用列名更直观）
    cv_df = folds[i]
    x_cv = cv_df.iloc[:, 0].values  # .values转成numpy数组（如果模型需要）
    y_cv = cv_df.iloc[:, 1].values
    
    # 合并剩余的k-1折作为训练集
    train_dfs = folds[:i] + folds[i+1:]
    train_df = pd.concat(train_dfs, axis=0)
    x_train = train_df.iloc[:, 0].values
    y_train = train_df.iloc[:, 1].values
    
    # 这里插入你的模型训练、验证逻辑
    print(f"第{i+1}折：训练样本数{len(train_df)}，验证样本数{len(cv_df)}")

关键点说明：

• 用data.sample(frac=1)打乱数据比直接np.random.shuffle(data.values)更安全，能保留DataFrame的列名和索引结构。
• 取验证集时，先从列表中取出对应的DataFrame，再用iloc[:, 0]获取第一列（如果知道列名，比如cv_df['feature_col']会更易读）。
• 合并训练集时，用列表切片获取除第i折外的所有DataFrame，再用pd.concat合并成一个大的DataFrame。

方案二：转成Numpy数组操作（适合习惯numpy的场景） #

如果你更习惯用numpy数组处理数据，可以先把DataFrame转成numpy数组再操作：

import pandas as pd
import numpy as np

data = pd.read_csv('Data_assignment1.csv')
k = 10

# 把DataFrame转成numpy数组
data_np = data.values
# 打乱数组
np.random.shuffle(data_np)
# 分割成k个numpy数组组成的列表
folds = np.array_split(data_np, k)

for i in range(k):
    # 直接用numpy索引获取验证集
    x_cv = folds[i][:, 0]
    y_cv = folds[i][:, 1]
    
    # 合并剩余折作为训练集
    train_folds = np.delete(folds, i, 0)
    train_np = np.row_stack(train_folds)
    x_train = train_np[:, 0]
    y_train = train_np[:, 1]
    
    # 插入模型训练逻辑
    print(f"第{i+1}折：训练样本数{len(train_np)}，验证样本数{len(folds[i])}")

关键点说明：

• 先通过data.values把DataFrame转成numpy数组，这样np.array_split返回的就是numpy数组的列表，就能用[:, 0]这种熟悉的索引方式了。
• 这种方法省去了DataFrame的操作，适合不需要保留列信息的场景。

内容的提问来源于stack exchange，提问作者sabrina