通过将一个数据帧一分为二创建的两个数据帧之间的连接

Question

如果我的标题令人困惑，我很抱歉，但我不确定如何描述我目前试图理解的情况。 但基本上我在使用 sklearn 模块中的train_test_split过程时偶然发现了这个问题。

所以，让我们继续，我向你展示一个已经让我困惑了几个小时的例子。

让我们创建一个包含 3 列的简单数据框：

• 'Letter' - 字母表中的一个字母；
• 'Number' - 字母的序号；
• 'Type' - 号码的类型。

    import pandas as pd
    data = [['A', 1, 'Odd'], ['B', 2, 'Even'], ['C', 3, 'Odd'],
    ['D', 4, 'Even'], ['E', 5, 'Odd'], ['F', 6, 'Even'], ['G', 7, 'Odd']]
    df = pd.DataFrame(data, columns=['Letter', 'Number', 'Type'])

我们可以使用 train_test_split 创建 4 个样本：

    from sklearn.model_selection import train_test_split
    target = df['Type']
    features = df.drop('Type', axis=1)
    features_train, features_valid, target_train, target_valid = train_test_split(features,                                                                                  
                                                                 target, test_size=0.4, random_state=12)

现在，如果我们想查看features_train的奇数行，我们可以编写以下代码：

    features_odds = features_train[target_train == 'Odd']
    features_odds

我们得到这个：输出

我们就在那里，因为新的数据框包含完全具有奇数的行。 当features_train可以从target_train获取信息时，即使它们是两个独立的数据帧，它是如何工作的？

我认为应该有一个简单的答案，但由于某种原因，我现在无法理解这个机制。

我也尝试了一种不同的方法（不使用train_test_split ），但效果一样好：

    target_dummy = df['Type']
    features_dummy = df.drop('Type', axis=1)
    
    features_dumb_odds = features_dummy[target_dummy == 'Odd']
    features_dumb_odds

将不胜感激并帮助理解它！

Answer 1

target_train == 'Odd'是Series布尔值。 作为一个系列，它也有一个索引。 该索引用于与您索引到的features_train对齐，并且它是兼容的。

作为探索的第一步，从print(target_train == 'Odd')开始

很好地考虑这些部分是如何组合在一起的。 在这种情况下，布尔系列和您索引的位置需要具有完全相同的索引才能不引发异常。