Machine learning 即使在转换后,列表仍被视为一个集合
因此,我有一个实例,即使将集合转换为列表,它们也不会被识别为列表 因此,我们的想法是,与另一个数据帧中的列相比,从一个数据帧中删除额外的列。我有两个数据帧,分别是df_test和df_train。我需要删除df_测试中不在列中的列Machine learning 即使在转换后,列表仍被视为一个集合,machine-learning,sklearn-pandas,Machine Learning,Sklearn Pandas,因此,我有一个实例,即使将集合转换为列表,它们也不会被识别为列表 因此,我们的想法是,与另一个数据帧中的列相比,从一个数据帧中删除额外的列。我有两个数据帧,分别是df_test和df_train。我需要删除df_测试中不在列中的列 extracols = set(df_test.columns) - set(df_train.columns) #Gives cols 2b
extracols = set(df_test.columns) - set(df_train.columns) #Gives cols 2b
deltd
l = [extracols] # or list(extracols)
Xdp.dropna( subset = l, how ='any' , axis = 0)
我得到一个错误:未损坏的类型集
即使在打印l时,它也会像一个带有{}个卷发的集合一样打印。[{p>[{set}]不会强制转换为列表,它只会创建一个长度为1的列表,其中包含您的集合
你确定列表({set})不适合你吗?也许你应该发布更多的代码,因为你很难看出哪里出了问题。你能提供更多的代码来为你提供更好的上下文吗。另外,你能不能说清楚你在问什么。当做cols_test=df_test.columns cols_train=df_train.columns extracols=set(cols_test)-set(cols_train)l=list(extracols)Xdp.dropna(subset=l,how='any',axis=0)