我想根据裂缝的深度对其进行分类。为此，我在数据框架中存储了以下特征：
WindowsDf = pd.DataFrame(dataForWindowsDf, columns=['IsCrack', 'CheckTypeEncode', 'DepthCrack', 'WindowOfInterest'])#dataForWindowsDf is a list which iteratively built from csv files.#Windows data frame taking this list and build a data frame from it.因此，我的目标列是’DepthCrack’，其他列是特征向量的一部分。’WindowOfInterest’是一个二维列表列 – 点列表 – 一个图表，代表所进行的测试（基于电磁波从表面返回的时间函数）：
[[0.9561600000000001, 0.10913097635410397], [0.95621,0.1100000]...]我遇到的问题是如何使用一个二维列表列来训练模型（我尝试直接使用它但没有成功）？你建议用什么方法来解决这个问题？
我想过从二维列表中提取特征 – 得到一维特征（积分等）。
回答：
你可以将这个特征转换为两个特征，例如WindowOfInterest可以变为：
WindowOfInterest_x1和WindowOfInterest_x2
例如，从你的DataFrame中：
>>> import pandas as pd>>> df = pd.DataFrame({'IsCrack': [1, 1, 1, 1, 1], ... 'CheckTypeEncode': [0, 1, 0, 0, 0], ... 'DepthCrack': [0.4, 0.2, 1.4, 0.7, 0.1], ... 'WindowOfInterest': [[0.9561600000000001, 0.10913097635410397], [0.95621,0.1100000], [0.459561, 0.635410397], [0.4495621,0.32], [0.621,0.2432]]}, ... index = [0, 1, 2, 3, 4])>>> df IsCrack CheckTypeEncode DepthCrack WindowOfInterest0 1 0 0.4 [0.9561600000000001, 0.10913097635410397]1 1 1 0.2 [0.95621, 0.11]2 1 0 1.4 [0.459561, 0.635410397]3 1 0 0.7 [0.4495621, 0.32]4 1 0 0.1 [0.621, 0.2432]]我们可以这样split这个list：
>>> df[['WindowOfInterest_x1','WindowOfInterest_x2']] = pd.DataFrame(df['WindowOfInterest'].tolist(), index=df.index)>>> df IsCrack CheckTypeEncode DepthCrack WindowOfInterest WindowOfInterest_x1 WindowOfInterest_x20 1 0 0.4 [0.9561600000000001, 0.10913097635410397] 0.956160 0.1091311 1 1 0.2 [0.95621, 0.11] 0.956210 0.1100002 1 0 1.4 [0.459561, 0.635410397] 0.459561 0.6354103 1 0 0.7 [0.4495621, 0.32] 0.449562 0.3200004 1 0 0.1 [0.621, 0.2432] 0.621000 0.243200最后，我们可以drop掉WindowOfInterest列：
>>> df = df.drop(['WindowOfInterest'], axis=1)>>> df IsCrack CheckTypeEncode DepthCrack WindowOfInterest_x1 WindowOfInterest_x20 1 0 0.4 0.956160 0.1091311 1 1 0.2 0.956210 0.1100002 1 0 1.4 0.459561 0.6354103 1 0 0.7 0.449562 0.3200004 1 0 0.1 0.621000 0.243200现在你可以将WindowOfInterest_x1和WindowOfInterest_x2作为模型的特征使用。
