Python a.薪金、a[“薪金”和a[“薪金”之间的差异

假设我的数据集中有一些列，如

salary

、

name

、

age

和

id

a.salary

、

a[“salary”]

和

a[“salary”]]

之间有什么区别？

使用python的type（）函数

a=pd.read_csv("train.csv")

也就是说，前两个具有相同的功能，而3d则不同

DataFrame和Series obj非常相似，但某些方法和态度不同。 主要区别在于，序列类似于列表，而数据帧类似于数组。 DataFrame实际上有很多系列组合在一起（每列都是一个系列）

明智的做法是将单个列视为系列而不是数据帧，因为它们没有完全相同的功能。例如，不能将系列设置为数据帧

此代码：

type(a.salary) 
pandas.core.series.Series

type(a['salary']
pandas.core.series.Series

type(a[['salary']])
pandas.core.frame.DataFrame

不能工作，因为一个是数据帧，而另一个是系列

而：

a[['salary']] = df['example'].copy()

---

将有效，因为您将“薪水”列视为系列

当您尝试这些时，您会得到什么结果？这是一个

pandas

问题，与

机器学习无关

-请不要发送不相关的标签（编辑）。您可以同时使用

a.salary

或['salary']。我更喜欢[薪水]。当您想要指定一个或多个列时，您可以使用

[[…]]

，这意味着您正在传递所需列的列表。假设，假设我将根据年龄预测工资。如果我编写如下代码，为什么会出错。机器学习中的X=df[“age”]和y=df[“salary”]实际上我是stackoverflow的新手。如果我犯了任何错误，请原谅我。

a['salary'] = df['example'].copy()