运行机器学习代码报AttributeError:'list'无'drop'属性，错在哪里如何修改

• 核心报错原因：第10行的列筛选代码写法错误，你将pandas读取生成的DataFrame类型的data变量，错误赋值为了一个Python原生嵌套列表，覆盖了原有值：

  # 错误写法：直接生成列表，覆盖了DataFrame
  data = [["G1", "G2", "G3", "studytime", "failures", "absences"]]
  

  列表类型没有pandas提供的drop方法，运行到data.drop()语句时就触发了AttributeError。
• 冗余代码问题：
  1. 导入的sklearn.utils.shuffle未在代码中使用，属于无效导入
  2. 代码末尾重复调用了两次linear.fit()和linear.score()，属于无意义的重复执行

你需要修改列筛选的写法，保留data的DataFrame结构，同时清理冗余代码即可正常运行，修复后的完整代码如下：

import pandas as pd
import numpy as np
import sklearn
from sklearn import linear_model

# 读取数据集
data = pd.read_csv("student-mat.csv", sep=";")

# 正确写法：从原DataFrame中筛选指定列，仍保留DataFrame格式
data = data[["G1", "G2", "G3", "studytime", "failures", "absences"]]

predict = "G3"

# 拆分特征和标签，明确标注axis=1兼容性更好
X = np.array(data.drop([predict], axis=1))
y = np.array(data[predict])

x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, test_size = 0.1)

linear = linear_model.LinearRegression()
linear.fit(x_train, y_train)
acc = linear.score(x_test, y_test)
print(acc)

内容的提问来源于stack exchange，提问作者Sriniketh Sunder