我在尝试理解machinelearningmastery.com上的一些示例代码，但切片表示法让我感到困惑…首先，我正在尝试使用CSV文件中的一些数据制作一个简单的回归类型机器学习算法：
import pandas as pdMcheLrn = pd.read_csv('C:/Users/data.csv', index_col='Date', parse_dates=True)McheLrn['month'] = McheLrn.index.monthMcheLrn['date'] = McheLrn.index.strftime('%d')McheLrn['hour'] = McheLrn.index.strftime('%H')McheLrn['Day_of_week'] = McheLrn.index.dayofweekMcheLrn.head()这将输出：
OSAT kWh month date hour Day_of_weekDate 2013-01-01 06:00:00 10.4 16.55 1 01 06 12013-01-01 06:15:00 10.4 16.55 1 01 06 12013-01-01 06:30:00 10.4 16.05 1 01 06 12013-01-01 06:35:00 10.4 16.05 1 01 06 12013-01-01 06:45:00 10.4 17.20 1 01 06 1我不确定我是否使用了正确的术语，但因变量是kWh（Y变量），所有其他都是我的X变量的自变量…
在下面的代码中，让我感到困惑的是切片表示法X = array[:,0:2] Y = array[:,2]，而且我不确定我是否正确选择了X和Y变量。
# 决策树回归import pandasfrom sklearn import model_selectionfrom sklearn.tree import DecisionTreeRegressordataframe = McheLrnarray = dataframe.valuesX = array[:,0:2]Y = array[:,2]seed = 7kfold = model_selection.KFold(n_splits=90, random_state=seed)model = DecisionTreeRegressor()scoring = 'neg_mean_squared_error'results = model_selection.cross_val_score(model, X, Y, cv=kfold, scoring=scoring)print(results.mean())回答：
为了进一步说明，如果你知道目标列（名称），那么首选的方法是选择除目标列之外的所有内容，如下所示
df=pd.DataFrame({'a':[1,2],'b':[2,3],'c':[1,9]})target_col=['c'] # 这里列'c'是目标列X=df[list(set(df.columns).difference(target_col))].values # X-> 特征Y=df[target_col].values # Y -> 目标如果使用列号。假设最后一列是目标列
data=df.valuesX=data[:,:2] # 从第一列到倒数第二列，包括所有行Y=data[:,2] # 仅最后一列（目标），包括所有行