Python-如何更高效地索引和打印

我还在学习Python，我有一个关于代码的效率和可读性的快速问题

现在我有这个,

import pandas as pd
from sklearn.linear_model import Lasso
import numpy as np

df=pd.read_csv('Data\\cmd.csv')


df=df[['A71: ','A120: ',\
'A70: ','A84: ','A81: ','A89: ',\
'A101: ','A102: ','A105: ','CR']]

X=np.array(df[['A71: ','A120: ',\
'A70: ','A84: ','A81: ','A89: ',\
'A101: ','A102: ','A105: ']])

y=np.array(df[['CR']])

clf=Lasso()
clf.fit(X,y)


print('A71: ', clf.coef_[0])
print('A120: ', clf.coef_[1])    
print('A70: ', clf.coef_[2])
print('A84: ', clf.coef_[3])
print('A81: ', clf.coef_[4])
print('A89: ', clf.coef_[5])
print('A101: ', clf.coef_[6])
print('A102: ', clf.coef_[7])
print('A105: ', clf.coef_[8])

---

希望你能看到，我想索引我的X特征值和系数，这样我可以参考每个系数是什么，特别是。我觉得他们的方法比我现在的方法更简单。谢谢大家!

我会创建一个列编号列表，即

col_numbers = [71, 120, 70, 84, 81, 89, 101, 102, 105]

然后从中创建一个列表

col_names = ['A{}: '.format(num) for num in col_numbers]

从数据框中获取这些特定列

df = df[col_names]

并使用for循环进行打印

for i in range(len(col_names)):
    print(col_names[i], clf.coef_[i])

---

我将创建一个列编号列表，即

col_numbers = [71, 120, 70, 84, 81, 89, 101, 102, 105]

然后从中创建一个列表

col_names = ['A{}: '.format(num) for num in col_numbers]

从数据框中获取这些特定列

df = df[col_names]

并使用for循环进行打印

for i in range(len(col_names)):
    print(col_names[i], clf.coef_[i])

---

根据

数据帧的顺序

，只需一个简单的zip，您就可以非常高效地完成这项工作：

for x in zip(df.columns, clf_coeff):
    print(x[0], x[1])

---

样本： 输出：

A71:  0
A120:  1
A70:  2
A84:  3
A81:  4
A89:  5
A101:  6
A102:  7
A105:  8

---

这里的关键是，尽管df.columns比clf_coeff长，但一旦到达较短数组的一端，zip就会停止，这意味着

'CR'

在末尾并不重要

根据

数据帧的顺序

只需一个简单的zip，您就可以非常高效地完成这项工作：

for x in zip(df.columns, clf_coeff):
    print(x[0], x[1])

---

样本： 输出：

A71:  0
A120:  1
A70:  2
A84:  3
A81:  4
A89:  5
A101:  6
A102:  7
A105:  8

---

这里的关键是，尽管df.columns比clf_coeff长，但一旦到达较短数组的一端，zip就会停止，这意味着

'CR'

在末尾并不重要

通常人们使用

df.values

来获得

df

的数组版本，而不是

np.array（df）

。我现在主要是在YouTube上引用sentdex，所以我基本上使用了他的想法，因为一些函数对我来说是新的，但我肯定会在一些更个人化的项目上实现这一点，比如这个项目。谢谢通常人们使用

df.values

来获得

df

的数组版本，而不是

np.array（df）

。我现在主要是在YouTube上引用sentdex，所以我基本上使用了他的想法，因为一些函数对我来说是新的，但我肯定会在一些更个人化的项目上实现这一点，比如这个项目。谢谢谢谢你的帮助！我很欣赏这个答案，但是clf.coef_u是sklearn上的内置函数之一，所以我选择了bstrauch24的答案，但是所有这些技巧都非常有助于保持我的学习曲线，所以我肯定会在个人项目上实施你的建议！是的，但它是一个数组，您可以对其进行索引，因此您应该能够应用它？谢谢您的帮助！我很欣赏这个答案，但是clf.coef_u是sklearn上的内置函数之一，所以我选择了bstrauch24的答案，但是所有这些技巧都非常有助于保持我的学习曲线，所以我肯定会在个人项目上实施你的建议！是的，但它是一个数组，您可以对其进行索引，所以您应该能够应用它？