numeric_features = all_features.dtypes[all_features.dtypes != ‘object‘].index；

于 2023-08-07 10:21:35 发布
阅读量1k 收藏 9
点赞数 14
文章标签： python pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52024290/article/details/132129907
版权

在学习沐神的动手学深度学习中，遇到如下语句不懂

numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index

经过搜索发现，
all_features.dtypes是获得每一列数据的类型进行返回
即The data type of each column。结果如下所示：
在这里插入图片描述
然后all_features.dtypes != ‘object’，为判断各列数据是否不为object对象。不为则返回True，是则返回False。
在这里插入图片描述
all_features.dtypes[all_features.dtypes != ‘object’]把数据类型不为object的各列取出来。
在这里插入图片描述
然后取出各列的列名
在这里插入图片描述

参考资料

双眼望天下
关注
  • 14
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Pandas库
杨总的博客
04-16 2618
一.Panda库简介 两个数据类型:Series,DataFrame 各类操作:基本操作,运算操作,特征类操作,关联类操作 Panda的理解: Numpy Panda 基本数据类型 扩展数据类型 关注数据的结构表达 关注数据的应用表达 维度:数据间的关系 数据和索引的关系 二:Panda库的Series类型 Series是由一组数据及相关的数据索引组成 import pandas as pd ...
dataframe的字符类型dtypes为object，不为str
热门推荐
ls83776736的博客
06-19 1万+
import pandas as pd a=[1,2,3,1] b=["a","b","c","d"] df=pd.DataFrame({"A":a,"B":b}) print(df.dtypes)答案：int64object    The dtype object comes from NumPy, it describes the type of element in a ndarra
2021-07-13
weixin_46848513的博客
07-13 224
房价预测一、读入数据二、预处理1.将train,test的共同部分集合起来一起处理三、后续操作（懒得起名字）2.设置一个简单模型3.损失界定4、训练模型5、k折交叉6、给定参数7、给出训练的最终损失和预测值总结 一、读入数据 mport pandas as pd import torch import d2l.torch as d2l from torch import nn import numpy as np data_train,data_test=pd.read_csv('C:\\Users\\n
动手学习深度学习——房价预测（详细注释）
m0_51474171的博客
07-12 1636
代码+详细注释 里面设计到的不懂的函数，可以查看这个博客
房价预测 search Search 中对数据预处理的学习
瞳瞳瞳呀
07-04 235
对于缺失的数据： 我们对连续数值的特征做标准化（standardization）：设该特征在整个数据集上的均值为 μ ，标准差为 σ 。那么，我们可以将该特征的每个值先减去 μ 再除以 σ 得到标准化后的每个特征值。对于缺失的特征值，我们将其替换成该特征的均值。 numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index all_features[numeric_features] = all_features[
动手学深度学习-05 梯度消失和梯度爆炸
zuyuhuo6777的博客
03-01 755
梯度消失、梯度爆炸以及Kaggle房价预测 梯度消失和梯度爆炸 考虑到环境因素的其他问题 Kaggle房价预测 梯度消失和梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 PyTorch的默认随机初始化 随机初始化模型参数的方法有很多。在线性回归的简洁实现中，我们使用tor...
ehlib_vcl_src_9_3.26
04-26
represents a single-line number edit control that can display and edit a numeric field in a dataset or can works as non data-aware edit control. TPropStorageEh, TIniPropStorageManEh, ...
EhLib 9.1.024
10-10
represents a single-line number edit control that can display and edit a numeric field in a dataset or can works as non data-aware edit control. TPropStorageEh, TIniPropStorageManEh, ...
DataPre.py
07-17
if temp == 'object': objectLists.append(i) else: numberLists.append(i) return objectLists,numberLists def writeFile(self,dictdata,filename): with open(filename,'w') as files: files....
Microsoft Library MSDN4DOS.zip
04-30
All MS Windows 3.0 SDK Manuals MS Windows 3.0 DDK Install. & Update Guide MS Windows 3.0 DDK Adaptation Guide MS Windows 3.0 DDK Virtual Device Adapt. Guide MS Windows 3.0 DDK Printer & Font Kit...
11g_plsql_user_guide_and_reference.pdf
11-09
### PL/SQL Features in Oracle 11g Release 1 (11.1) #### Enhancements to Regular Expression Built-In SQL Functions In Oracle 11g Release 1, the regular expression built-in SQL functions have been ...
5--California House Prices（使用MLP）
garbage回收中心
08-23 733
California House Prices（使用MLP）
Pandas数据类型转换df.astype()、数据类型查看df.dtypes
weixin_44214830的博客
06-10 1万+
Pandas所支持的数据类型: 1. float 2. int 3. bool 4. datetime64[ns] 5. datetime64[ns, tz] 6. timedelta[ns] 7. category 8. object 默认的数据类型是int64,float64
2-3动手学习深度学习-kaggle房价预测
少年程序郎
11-03 2007
%matplotlib inline import gluonbook as gb from mxnet import autograd,gluon,init,nd from mxnet.gluon import data as gdata,loss as gloss,nn import pandas as pd import numpy as np # 读入数据 train_data=pd...
深度学习笔记--Kaggle比赛之房价预测
beautiful77moon的博客
11-26 823
#获取和读取数据 import torch import torch.nn as nn import pandas as pd #处理数据 import All_function as func #自定义包 torch.set_default_tensor_type(torch.FloatTensor) train_data=pd.read_csv('Kaggle_...
python numpy dtype object_创建numpy数组时dtype = object是什么意思？
weixin_39911066的博客
12-03 2994
I was experimenting with numpy arrays and created a numpy array of strings:ar1 = np.array(['avinash', 'jay'])As I have read from from their official guide, operations on numpy array are propagated to ...
《动手学深度学习》Task03-2:梯度消失、梯度爆炸以及Kaggle房价预测
weixin_43604754的博客
02-18 132
梯度消失、梯度爆炸以及Kaggle房价预测 梯度消失和梯度爆炸 考虑到环境因素的其他问题 Kaggle房价预测 梯度消失和梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 假设一个层数为LLL的多层感知机的第lll层H(l)\boldsymbol{H}^{(l)}H(l)的权重参数为W(l)...
pandas 线性回归 特征预处理常见问题总结
yangzhenyu2的博客
03-18 1644
一、数值特征处理 1.方法 常见的数值特征处理方式：标准化，有很多种方法网上很多，可以自己去查，常见的有极差标准化法、Z-score标准化法等 2.目的 经过标准化处理的数值特征，在模型训练时能够更快地收敛最佳值，加快模型的训练速度 二、字符型特征处理（最常见问题） 1.原因 对于字符型的特征，我们并不能将其直接传输网络模型中进行训练，需要对其进行编码成数值 2.方法 常用两种编码方式： 分类编码：当分类变量的取值之间有大小意义是，如【小学、初中、大学】，可以使用分类编码，将其编码为【0,1，2】 独热编
numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index作用是
最新发布
06-09
这行代码的作用是从 DataFrame `all_features` 中筛选出所有的数值型特征，并将这些特征的名称存储在列表 `numeric_features` 中。 具体来说，`all_features.dtypes` 返回一个 Series 对象，其中包含了 `all_features` 中所有列的数据类型。`all_features.dtypes != 'object'` 返回一个布尔型的 Series 对象，其中每个元素表示对应的列是否为数值型（即数据类型不为 `object`）。通过使用布尔型 Series 对象来索引 `all_features.dtypes`，可以得到一个包含数值型特征的 Series 对象。最后，使用 `.index` 方法提取这个 Series 对象中的索引，即数值型特征的名称列表。 这个操作通常用于数据预处理阶段，可以方便地对数值型特征进行处理和建模，如特征缩放、特征选择、模型训练等。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值