读取 CSV & Columns - KeyError: “[Int64Index([0, 1, 2, 3], dtype='int64')] 都在 [columns] 中”

Question

我在尝试对简单的 DF 生成共线性分析时遇到问题（见下文）。 我的问题是每次我尝试运行 function 时，都会检索到以下错误消息：

KeyError: "None of [Int64Index([0, 1, 2, 3], dtype='int64')] are in the [columns]"

下面是我正在使用的代码

read_training_set = pd.read_csv('C:\\Users\\rapha\\Desktop\\New test\\Classeur1.csv', sep=";")
training_set = pd.DataFrame(read_training_set)

print(training_set)

def calculate_vif_(X):
    thresh = 5.0
    variables = range(X.shape[1])

    for i in np.arange(0, len(variables)):
        vif = [variance_inflation_factor(X[variables].values, ix) for ix in range(X[variables].shape[1])]
        print(vif)

        maxloc = vif.index(max(vif))
        if max(vif) > thresh:
            print('dropping \'' + X[variables].columns[maxloc] + '\' at index: ' + str(maxloc))
            del variables[maxloc]

    print('Remaining variables:')
    print(X.columns[variables])
    return X

X = training_set
X2 = calculate_vif_(X) 

我试图在其上运行 function 的 DF 看起来像这样。

   Year  Age  Weight  Size
0  2020   10     100   170
1  2021   11     101   171
2  2022   12     102   172
3  2023   13     103   173
4  2024   14     104   174
5  2025   15     105   175
6  2026   16     106   176
7  2027   17     107   177
8  2028   18     108   178

我在这里有两个猜测； 但不知道如何解决这个问题：

-猜测1：np.arrange 与 header 和列发生某种冲突，这会阻止 function 的 rest 遍历它的每一列

-猜测2：问题来自空白分隔符，它阻止了function 正确地从一列跳到另一列。 问题是我的 CSV 文件已经有“;” 分隔符（我不知道为什么要诚实，因为我手动创建了文件并将其保存为带有“，”分隔符的常规 CSV）。

目前不知道如何解决这个问题，这里有没有人有见解？

最好的

Answer 1

该错误是由此代码段X[variables].values的。 将variables （ range ）转换为list 。

顺便说一句，代码非常混乱。 当variables已经是一个range时，为什么要调用np.arange ？ 为什么要使用一定范围的列数来索引行？

从上面的评论看来，您认为您是按列号索引列，但实际上您是在索引行。 如果您使用loc`` or iloc``` 来明确说明您要索引的内容，则可以消除一些混乱。

Answer 2

明白了，我修改了整个事情，似乎正在工作。 请参阅下面的外观。

非常感谢您的帮助

    variables = list(range(X.shape[1]))

    for i in variables:
        vif = [variance_inflation_factor(X.iloc[:, variables].values, ix)
               for ix in range(X.iloc[:, variables].shape[1])]

        maxloc = vif.index(max(vif))
        if max(vif) > thresh:
            print('dropping \'' + X.iloc[:, variables].columns[maxloc] +
                  '\' at index: ' + str(maxloc))
            del variables[maxloc]

    print('Remaining variables:')
    print(X.columns[variables])
    return X.iloc[:, variables]


X = training_set
X2 = calculate_vif_(X)```