raise KeyError( KeyError: "Only a column name can be used for the key in a dtype mappings argument. 'col1' not found in columns."

时间: 2024-05-29 07:14:01 浏览: 333

Machine Learning1: Numpy Tutorial

Machine Learning1: Numpy Tutorial Learning material: 唐宇迪《python数据分析与机器学习实战》如果有一起学习机器学习的小伙伴们可以留言，人多的话，可以拉群一起讨论！ import numpy from numpy import pi # 1. numpy.array() # 建立numpy array vector = numpy.array([5, 10, 15, 20]) matrix = numpy.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]]) print(vector) pr 在机器学习领域，Numpy是Python编程语言中用于科学计算的核心库。它提供了一种高效、灵活的方式来处理大型多维数组和矩阵。本教程将基于唐宇迪的《python数据分析与机器学习实战》来探讨Numpy的基础知识。我们导入Numpy库，并通过`numpy.array()`函数创建numpy数组。例如，创建一个一维向量和二维矩阵： ```python import numpy as np vector = np.array([5, 10, 15, 20]) matrix = np.array([[5, 10, 15], [20, 25, 30], [35, 40, 45]]) ``` 接着，我们可以使用`.shape`属性来查看数组的维度结构： ```python print(vector.shape) # 输出：(4,) print(matrix.shape) # 输出：(3, 3) ``` Numpy数组的一个重要特性是，所有元素必须具有相同的类型。当我们尝试改变某个元素的类型时，整个数组的数据类型都会相应改变。例如： ```python numbers = np.array([1, 2, 3, 4]) numbers1 = np.array([1, 2, 3, 4.0]) numbers2 = np.array([1, 2, 3, '4']) print(numbers.dtype) # 输出：int64 print(numbers1.dtype) # 输出：float64 print(numbers2.dtype) # 输出：<U21> ``` Numpy还提供了读取数据的功能，如从CSV文件中加载数据。这里使用`numpy.genfromtxt()`函数读取名为"world_alcohol.txt"的文件： ```python world_alcohol = np.genfromtxt("world_alcohol.txt", delimiter=",", dtype="U75", skip_header=1) ``` 在numpy数组中，我们可以直接通过索引来访问元素，比如获取二维数组中的特定值： ```python uruguay_other_1986 = world_alcohol[1, 4] third_country = world_alcohol[2, 2] print(uruguay_other_1986) # 输出：0.5 print(third_country) # 输出：Cte d'Ivoire ``` 此外，可以使用切片操作来选取数组的部分元素： ```python print(vector[0:3]) # 输出：[5 10 15] ``` 或者根据列或行来选取子数组： ```python print(matrix[:, 1]) # 输出：[10 25 40] print(matrix[0, :]) # 输出：[ 5 10 15] ``` Numpy还支持元素级别的比较，返回一个布尔型数组： ```python vector == 10 # 输出：array([False, True, False, False]) ``` 并且可以用布尔型数组作为索引来选取满足条件的元素： ```python equal_to_ten = (vector == 10) print(vector[equal_to_ten]) # 输出：[10] ``` 这些基本操作是进行机器学习中数值计算的基础，如特征预处理、数据清洗、模型训练等。Numpy的强大功能和效率使得它成为数据科学家和机器学习工程师的首选工具。随着对Numpy的深入理解和应用，你可以更有效地处理复杂的数据问题，从而提升你的机器学习项目效果。

这个错误是由于在 dtype mappings 参数中使用了一个不存在的列名 'col1' 导致的。 dtype mappings 参数用于指定 DataFrame 中每列的数据类型。你需要检查一下你的 DataFrame 中是否存在 'col1' 这个列名，如果不存在，你需要更正该列名或者将该列从 DataFrame 中删除。

阅读全文

raise KeyError( KeyError: "Only a column name can be used for the key in a dtype mappings argument. 'col1' not found in columns."

相关推荐

Python pandas.DataFrame.loc用法深度解析

pandas.read_csv参数全面解读与实用示例

FutureWarning: Dropping invalid columns in DataFrameGroupBy.mean is deprecated. In a future version, a TypeError will be raised. Before calling .mean, select only columns which should be valid for the function.

cate_cols = [x for x in dfdata.columns if dfdata[x].dtype not in [np.float32,np.float64] and x!=label_col] for col in cate_cols: dfdata[col] = pd.Categorical(dfdata[col]) dftest[col] = pd.Categorical(dftest[col])

def label_encode(df, cat_cols=None): if not cat_cols: cat_cols = [col for col in df.columns if df[col].dtype == 'O'] for col in cat_cols: df[col], uniques = pd.factorize(df[col]) return df, cat_cols

raise KeyError(f"None of [{key}] are in the [{axis_name}]") KeyError: "None of [Index(['WindSpeed', 'Power', 'RotorSpeed'], dtype='object')] are in the [index]"

KeyError: "None of [Index(['column1', 'row1'], dtype='object')] are in the [columns]"

File "/usr/local/lib/python3.7/site-packages/pandas/core/indexes/base.py", line 2893, in get_loc raise KeyError(key) from err KeyError: 0

最新推荐

cairo-devel-1.15.12-4.el7.x86_64.rpm.zip

abrt-devel-2.1.11-60.el7.centos.i686.rpm.zip

Angular程序高效加载与展示海量Excel数据技巧

管理建模和仿真的文件

【SecureCRT高亮技巧】：20年经验技术大佬的个性化设置指南

如何设计一个基于FPGA的多功能数字钟，实现24小时计时、手动校时和定时闹钟功能？

Argos客户端开发流程及Vue配置指南

"互动学习：行动中的多样性与论文攻读经历"

【SecureCRT高亮规则深度解析】：让日志输出一目了然的秘诀

在用友U8 UFO报表系统中，如何通过格式管理功能实现报表的格式与样式自定义？