You need to enable JavaScript to run this app. Python基于列表映射按outlook特征拆分X_train并匹配y_train标签生成四个列表
优惠活动
大模型
产品
解决方案
定价
更多

Python基于列表映射按outlook特征拆分X_train并匹配y_train标签生成四个列表

实现方案

核心问题定位

你目前已经可以正确筛选出outlook为overcast的特征行,卡点本质是循环逻辑没有绑定X_train和y_train的一一对应关系:之前的遍历只覆盖了X_train本身,没有关联同索引位置的标签数据,自然无法完成标签匹配,也没法拆分非overcast类别的特征和对应标签。

可直接运行的代码

# 按你给出的期望输出顺序初始化四个空列表
# 顺序:非overcast特征、非overcast对应标签、overcast特征、overcast对应标签
non_overcast_X = []
non_overcast_y = []
overcast_X = []
overcast_y = []

# 同时绑定遍历每一行特征和对应的标签,通过zip实现索引一一对应
for feature_row, label in zip(X_train, y_train):
    # 直接定位每行第0个元素(也就是outlook列)做判断,比`'overcast' in row`的写法更严谨,避免其他列出现同名值时的误匹配
    if feature_row[0] == 'overcast':
        overcast_X.append(feature_row)
        overcast_y.append(label)
    else:
        non_overcast_X.append(feature_row)
        non_overcast_y.append(label)

# 按顺序组合为最终返回的元组
final_result = (non_overcast_X, non_overcast_y, overcast_X, overcast_y)

效果说明

运行上述代码后,输出的final_result和你给出的预期结果完全一致:

  • overcast_X 就是你之前已经筛出的4条overcast特征行
  • overcast_y 对应的4个标签正好是['yes', 'yes', 'yes', 'yes'],和你预期的匹配标签规则完全吻合
  • 剩下的non_overcast_X和non_overcast_y就是所有outlook非overcast的特征行及对应标签,顺序、内容都和你给出的预期输出无差异

内容的提问来源于stack exchange,提问作者Jasmine N

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.23 22:24:02