机器学习中X[:,1]与X[1]区别以及data[“column_name“]与data[[“column_name“]]区别

SMS=pd.read_csv('./data/SMSSpamCollection', sep='\t',header=None)
SMS

一、X是DataFrame时候 X[:,1]与X[1]区别

1、导出数据data是DataFrame时候

1、SMS

故SMS相关信息：

type(SMS)=pandas.core.frame.DataFrame
SMS.shape=(5572, 2)

 

2、SMS[0]

 故SMS[0]相关信息 

# type(SMS[0])=pandas.core.series.Series
# SMS[0].shape=(5572,)

SMS[0]

结论：虽然SMS[0]与sms[:,0]的shape都是（5572，）

但是文本处理（词频转换）用SMS[0]

pandas.core.series.Series格式

2、将SMS转换成数组sms=np.array(SMS)

sms为二维数组（5572，2）

sms[:,0]sms[:,1]为一维数组（5572，）

1、sms

 故sms相关信息 :

# sms.shape=(5572, 2)
# type(sms)=numpy.ndarray数组

sms=np.array(SMS)
sms

 
 

2、sms[:,0]

 故sms[:,0]相关信息 :

# sms[:,0].shape=(5572,)
# type(sms[:,0])=numpy.ndarray数组

 故sms[:,1]相关信息 :

# sms[:,1].shape=(5572,)
# type(sms[:,1])=numpy.ndarray数组

sms[:,0]

 

sms[:,1]

 

二、data是DataFrame时候data["column_name"]&data[["column_name"]]区别

1）tip=sns.load_dataset('tips')

1、tip
# tip.shape=(244, 7)
# type(tip)=pandas.core.frame.DataFrame

2、tip["total_bill"]

# type(tip["total_bill"])=pandas.core.series.Series
# tip["total_bill"].shape=(244,)

 3、tip[["total_bill"]]
# tip[["total_bill"]].shape=(244, 1)
# type(tip[["total_bill"]])=pandas.core.frame.DataFrame

 2）结论：

train=tip[["total_bill"]]
训练时使用train=tip[["total_bill"]] 训练使用二维

三、y为二维数组y[:,0]与y[:,0][::4]

1、y
# y.shape=(200, 1)
# type(y)=numpy.ndarray

 2、y[:,0]

# y[:,0].shape=(200,)
# type(y[:,0])=numpy.ndarray

 3、y[:,0][::4]

# y[:,0][::4].shape=(50,)     步长4

type(y[:,0][::4]])=numpy.ndarray

 4、结论

x=（200，）->  x=（200，1）

只需要x-.>x=x.reshape(-1,1)

训练时候要用 x=（200，1）这种格式