Python 在数据帧中对数据进行分区 TypeError回溯（最近一次调用） 在里面 ---->2个真行，假行=分区（训练数据，问题（0,1）） 3行 分区中（df，问题） 20个真行，假行=[]，[] 21对于df中的行： --->22如果问题匹配（世界其他地区）： 23行。追加（行） 24其他： 在匹配中（自我，示例） 14#问题中的特征值 15 --->16 val=示例[self.column] 17如果是数字（val）： 18返回值>=self.value TypeError:“int”对象不可下标

我试图从一个决策树改编这段代码，这样它就可以应用到pandas数据帧而不是列表，我得到了错误“TypeError:“int”对象不可下标”，我如何返回一个计数或数据帧中的行列表，这些行是真的还是假的，而没有得到错误，我知道我没有正确地遍历数据帧，非常感谢所有帮助

该错误可能在迭代器中不在行上迭代。它相当于df.columns中的column\u name的

。您可能需要以下内容来获取所有行

TypeError                                 Traceback (most recent call last)
<ipython-input-53-386e8df97e85> in <module>
----> 2 true_rows, false_rows = partition(training_data, Question(0,1))
      3 true_rows

<ipython-input-52-9ff7f19eff20> in partition(df, question)
     20         true_rows, false_rows = [],[]
     21         for row in df:
---> 22             if question.match(row):
     23                 true_rows.append(row)
     24             else:

<ipython-input-12-928374ee6f4e> in match(self, example)
     14         #feature value in the question
     15 
---> 16         val = example[self.column]
     17         if is_numeric(val):
     18             return val >= self.value

TypeError: 'int' object is not subscriptable







也就是说，如果您为此创建一个列，您将获得更好的性能

for loc, row in df.iterrows():
   ...

然后，您可以执行类似于
df.query（'question\u A\u is\u true'）
或
df.loc[df['question\u A\u is\u true]]
的操作，以获得真正的行。如果你有多个问题，你可以很快地把它们组合起来，因为它们在引擎盖下使用numpy

def partition(df, question_column, true_value):
    view_of_values = df[question_column]
    example = view_of_values[0]
    if is_numeric(example):
        is_true = view_of_values >= true_value
    else:
        is_true = view_of_values == true_value
    # is_true is a column of True, False values for each
    # you could store this df['question_A_is_true'] = is_true
    # for partitioning later.
    return is_true


df['question_A_is_true'] = partition(df, 'question_A', 'the_truth_is_out_there')

您正在使用一个迭代器，其中有df方法可以根据您的需要进行条件选择。为了更简单，请包含错误的完整跟踪并提供一个示例，但问题似乎在于
示例[self.column]
。当您对df中的行执行
操作时
不会得到行，我相信您会得到索引。因此，
example
是一个int，不能在int上使用索引符号（括号）。同样，我们只是在计算，因为我们没有一个有效的示例
def partition(df, question_column, true_value):
    view_of_values = df[question_column]
    example = view_of_values[0]
    if is_numeric(example):
        is_true = view_of_values >= true_value
    else:
        is_true = view_of_values == true_value
    # is_true is a column of True, False values for each
    # you could store this df['question_A_is_true'] = is_true
    # for partitioning later.
    return is_true


df['question_A_is_true'] = partition(df, 'question_A', 'the_truth_is_out_there')

df.loc[
   (df['question_A_is_true'])
   or (df['question_B_is_true'] and not df['question_C_is_true'])
]