data.values什么意思

在Python中，如果一个变量是一个pandas DataFrame或Series对象，那么data.values将返回一个包含该DataFrame或Series中所有数据的numpy数组。这个数组可以让你更方便地进行一些数值计算和操作，因为它是一个numpy数组，而不是一个pandas数据结构。例如，如果data是一个DataFrame对象，则data.values将返回一个二维numpy数组，其中每行表示DataFrame中的一行数据，每列表示DataFrame中的一列数据。

相关问题

for i in range (data.loc[:,data.dtypes.values=="int64"].shape[1]): data.loc[i,data.dtypes.values=="int64"]= data.loc[i,data.dtypes.values=="int64"].apply(lambda x: float(x))

这段代码的作用是将DataFrame中的整型数据转化为浮点型数据。具体实现如下：

1. `data.loc[:,data.dtypes.values=="int64"]` 会先获取DataFrame中所有数据类型为int64的列；
2. `data.loc[i,data.dtypes.values=="int64"]` 会获取第i列数据类型为int64的数据；
3. `data.loc[i,data.dtypes.values=="int64"].apply(lambda x: float(x))` 会将第i列数据类型为int64的数据中的每个元素都转化为浮点型数据。这里使用了apply()方法，apply()会对Series中的每个元素都执行指定的操作，lambda x: float(x)表示将每个元素都转化为浮点型数据；
4. 最后将转化后的浮点型数据赋值回原始DataFrame中。

需要注意的是，这段代码中的循环实际上是对DataFrame中的每一列都执行了一遍相同的操作，因此可以使用applymap()方法来简化代码，如下所示：

data.loc[:, data.dtypes.values == "int64"] = data.loc[:, data.dtypes.values == "int64"].applymap(float)

这样就可以将DataFrame中所有数据类型为int64的数据都转化为浮点型数据了。

for i in range (data.loc[:,data.dtypes.values=="int64"].shape[1]): data.loc[i,data.dtypes.values=="int64"]= data.loc[i,data.dtypes.values=="int64"].apply(lambda x: float(x))为什么没有转化成浮点数

这段代码没有成功将整数转换为浮点数的原因可能是因为在 apply() 函数内部将整数转换为浮点数时出现了错误。更具体地说，可能是通过 apply() 函数将整数转换为浮点数的方法不正确。

下面是一种可能的解决方案：

for i in range(data.loc[:, data.dtypes.values == "int64"].shape[1]):
    data.loc[:, data.dtypes.values == "int64"] = data.loc[:, data.dtypes.values == "int64"].astype(float)

该代码使用了 astype() 函数将整数转换为浮点数。astype() 函数可以将一个 pandas 数据框中的列转换为指定的数据类型。在这里，我们指定将整数转换为浮点数。注意，我们使用了 loc[] 函数来选择整数列，而不是使用 apply() 函数。