num_cols = raw_data.select_dtypes(include='number').columns.tolist()报错'DataFrame' object has no attribute 'select_dtypes'，请修改

这个错误提示表明你在尝试对Pandas DataFrame对象 `raw_data` 调用 `select_dtypes` 函数，但实际上DataFrame并没有这个属性。`select_dtypes` 是pandas DataFrame的一个方法，用于筛选数据列中特定类型的（如数值型）。

如果你想要获取包含数值类型列的列名列表，你应该检查 `raw_data` 是否是DataFrame，并且它是否已经加载了数据。正确的做法应该是先确认 `raw_data` 的数据类型，然后如果它是DataFrame，可以这样做：

import pandas as pd

# 检查raw_data的数据类型
if isinstance(raw_data, pd.DataFrame):
    num_cols = raw_data.select_dtypes(include=['number', 'int64', 'float64']).columns.tolist()
else:
    raise ValueError("raw_data应该是一个Pandas DataFrame.")

# 或者你可以使用isinstance检查并直接获取数字列
num_cols = [col for col in raw_data.columns if raw_data[col].dtype.kind in ['i', 'f']]

相关问题

num_cols = raw_data.columns.select_dtypes(include=[DoubleType]).tolist()报错'list' object has no attribute 'select_dtypes'，请修改

这个错误提示是因为`raw_data.columns`是一个列名（通常是一个Pandas DataFrame的Index对象），它并没有`select_dtypes`属性。`select_dtypes`是Pandas DataFrame的一个方法，用于筛选数据类型。

正确的做法是先检查每一列的数据类型，再选择`DoubleType`（如果它是Spark DataFrame的话，可能是` DoubleType`，如果是Pandas则是`np.number`等）。下面是修改后的代码示例：

import pyspark.sql.types as st

# 如果是Spark DataFrame
num_cols = [col for col in raw_data.columns if isinstance(raw_data[col].dtype, st.DoubleType)]

# 或者是Pandas DataFrame
if isinstance(raw_data, pd.DataFrame):
    num_cols = raw_data.select_dtypes(include='number').columns.tolist()
else:
    raise TypeError("raw_data should be a Spark DataFrame or a Pandas DataFrame")

这段代码首先检查`raw_data`的每一列是否为`DoubleType`，如果是就添加到`num_cols`列表中。如果是Pandas DataFrame，则直接使用`select_dtypes`筛选数字类型的列。如果有其他类型的需求，可以相应调整数据类型检查条件。

将这些代码转换为伪代码 # 确定目标变量和特征变量 target_col = ["Outcome"] cat_cols = data.nunique()[data.nunique() < 12].keys().tolist() cat_cols = [x for x in cat_cols] # numerical columns num_cols = [x for x in data.columns if x not in cat_cols + target_col] # Binary columns with 2 values bin_cols = data.nunique()[data.nunique() == 2].keys().tolist() # Columns more than 2 values multi_cols = [i for i in cat_cols if i not in bin_cols] # Label encoding Binary columns le = LabelEncoder() for i in bin_cols: data[i] = le.fit_transform(data[i]) # Duplicating columns for multi value columns data = pd.get_dummies(data=data, columns=multi_cols) # Scaling Numerical columns std = StandardScaler() scaled = std.fit_transform(data[num_cols]) scaled = pd.DataFrame(scaled, columns=num_cols) # dropping original values merging scaled values for numerical columns df_data_og = data.copy() data = data.drop(columns=num_cols, axis=1) data = data.merge(scaled, left_index=True, right_index=True, how="left") # 输出预处理后的数据集 print(data.head())

以下是转换为伪代码后的代码：

# 确定目标变量和特征变量
target_col = ["Outcome"]
cat_cols = 对数据集进行唯一值计数并筛选小于12的特征
cat_cols = [x for x in cat_cols]

# 数值型特征
num_cols = [x for x in 数据集的列名 if x not in cat_cols + target_col]

# 二分类特征
bin_cols = 对数据集进行唯一值计数并筛选等于2的特征

# 多分类特征
multi_cols = [i for i in cat_cols if i not in bin_cols]

# Label encoding 二分类特征
le = LabelEncoder()
for i in bin_cols:
    对二分类特征进行标签编码

# 独热编码 多分类特征
data = pd.get_dummies(data=data, columns=multi_cols)

# 标准化 数值型特征
std = StandardScaler()
scaled = std.fit_transform(data[num_cols])
scaled = pd.DataFrame(scaled, columns=num_cols)

# 合并特征
df_data_og = data.copy()
data = data.drop(columns=num_cols, axis=1)
data = data.merge(scaled, left_index=True, right_index=True, how="left")

# 输出预处理后的数据集
print(data.head())

以上伪代码是对原 Python 代码的简化和抽象，将其转化为了一系列的操作和方法调用。