假设有一个如下所示的数据框

x1 x2 x3 x4 x5 x6 y2  3  4  5  5  7  11.323  4  5  3  2  3  10.99

假设数据量很大，比如有1000行。

读取这些数据并将其正确分割为X和y的最有效和高效的方法是什么？

谢谢，J.

回答：

你需要从最后一列提取值，并从其他所有列提取特征。你可以使用带有整数索引的iloc和values来实现这一点：

y = df.iloc[:, -1].valuesX = df.iloc[:, :-1].values

所以对于你的例子来说：

In [153]: XOut[153]:array([[2, 3, 4, 5, 5, 7],       [3, 4, 5, 3, 2, 3]], dtype=int64)In [154]: yOut[154]: array([ 11.32,  10.99])

通常对于scikit-learn方法，你可以直接传递数据框和序列，因此你可以省略values属性：

y = df.iloc[:, -1]X = df.iloc[:, :-1]In [156]: XOut[156]:   x1  x2  x3  x4  x5  x60   2   3   4   5   5   71   3   4   5   3   2   3In [157]: yOut[157]:0    11.321    10.99Name: y, dtype: float64