dataframe.iloc.values

The attribute `values` in the `iloc` property of a Pandas DataFrame returns a NumPy array representation of the DataFrame's values.

For example, suppose we have a DataFrame `df`:

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

We can access the values of the DataFrame using the `iloc` property:

values = df.iloc.values

This will return a NumPy array of the same shape as the DataFrame:

array([[1, 4, 7],
       [2, 5, 8],
       [3, 6, 9]])

Note that the `values` attribute returns a copy of the data, not a view. Therefore, any modifications made to the NumPy array will not affect the original DataFrame.

相关问题

from sklearn import preprocessing min_max_scaler = preprocessing.MinMaxScaler() df0=min_max_scaler.fit_transform(df1) df = pd.DataFrame(df0, columns=df1.columns) x=df.iloc[:,:-1] y=df.iloc[:,-1] #划分训练集测试集 cut=300#取最后cut=30天为测试集 x_train, x_test=x.iloc[:-cut],x.iloc[-cut:]#列表的切片操作，X.iloc[0:2400，0:7]即为1-2400行，1-7列 y_train, y_test=y.iloc[:-cut],y.iloc[-cut:] x_train, x_test=x_train.values, x_test.values y_train, y_test=y_train.values, y_test.values

这段代码使用了sklearn库中的preprocessing模块，导入了MinMaxScaler类。然后，对df1数据进行了归一化处理，将处理后的结果存储在df0中。接着，将df0转换成了DataFrame格式，并将列名设置为df1的列名。最后，将df中的特征数据和标签数据分别存储在x和y中。

x = df.iloc[0].values y = df.iloc[1].values

这是一个IT类问题，这段代码是将Pandas DataFrame中第一行和第二行的数据分别赋值给变量x和y。其中"df"是一个DataFrame对象，".iloc"是DataFrame中的一种索引方式，"0"和"1"代表了DataFrame中的第一行和第二行。".values"则是将行数据转换为一个NumPy数组。