Python 有人能带我看完这行代码吗?
什么是 估算的X列加上[col+'\u缺失']Python 有人能带我看完这行代码吗?,python,pandas,Python,Pandas,什么是 估算的X列加上[col+'\u缺失'] 意思是?我会编造一些数据来说明。考虑 for col in cols_with_missing: imputed_X_train_plus[col + '_was_missing'] = imputed_X_train_plus[col].isnull() imputed_X_test_plus[col + '_was_missing'] = imputed_X_test_plus[col].isnull() 此时,插补的_X_t
意思是?我会编造一些数据来说明。考虑
for col in cols_with_missing:
imputed_X_train_plus[col + '_was_missing'] = imputed_X_train_plus[col].isnull()
imputed_X_test_plus[col + '_was_missing'] = imputed_X_test_plus[col].isnull()
此时,插补的_X_train_plus是一个具有NaN值的数据帧
import numpy as np
import pandas as pd
imputed_X_train_plus = pd.DataFrame({'joe': [3, np.nan],
'nick': [np.nan, 6],
'fred': [1, 7]})
假设您知道哪些列缺少值。他们在cols_,_失踪了
现在,您需要标记那些缺少的值。你也是
cols_with_missing = ['joe', 'nick']
现在你有了插补的火车
总之,col+“\u was\u missing”创建了一个新的str,就像joe\u was\u missing一样,用于为输入的\u X\u train\u plus插入一个新列名。您忘记添加熊猫标签了。如果您刚刚开始,您确实不需要理解此代码。但是,此代码在数据帧中创建了一个新列,其名称基于另一列。什么是imputed_X_train_plus?Python对象的行为因其类型而异。请。新专栏的内容是现有专栏的基础。谢谢。我正在阅读kaggle上的ML简介。所以我正在努力理解它
cols_with_missing = ['joe', 'nick']
for col in cols_with_missing:
imputed_X_train_plus[col +'_was_missing'] = imputed_X_train_plus[col].isnull()
joe nick fred joe_was_missing nick_was_missing
0 3.0 NaN 1 False True
1 NaN 6.0 7 True False