labels = np.array(features['actual']) features= features.drop('actual', axis = 1) feature_list = list(features.columns) features = np.array(features)features.shape

这段代码将原始的特征数据features中的标签（即需要预测的目标变量）保存到labels变量中，其中np.array()函数用于将Pandas数据框转换为NumPy数组。接着，它使用drop()函数将features中的'actual'列删除，因为它已经被保存到了labels中，而我们不需要将它作为特征输入到机器学习模型中。此外，它还创建了一个feature_list列表，其中包含了所有特征的名称，以备后续使用。最后，features也被转换为NumPy数组，并显示了其形状。这是因为很多机器学习算法需要输入NumPy数组而不是Pandas数据框。