获取 TypeError: '(slice(None, None, None), 0)' is an invalid key答案

【问题标题】：Getting TypeError: '(slice(None, None, None), 0)' is an invalid key获取 TypeError: '(slice(None, None, None), 0)' is an invalid key
【发布时间】：2019-08-12 23:18:30
【问题描述】：

试图绘制 k-NN 分类器的决策边界，但无法这样做得到TypeError: '(slice(None, None, None), 0)' is an invalid key

h = .01  # step size in the mesh

# Create color maps
cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA', '#AAAAFF','#AFAFAF'])
cmap_bold  = ListedColormap(['#FF0000', '#00FF00', '#0000FF','#AFAFAF'])

for weights in ['uniform', 'distance']:
    # we create an instance of Neighbours Classifier and fit the data.
    clf = KNeighborsClassifier(n_neighbors=6, weights=weights)
    clf.fit(X_train, y_train)

    # Plot the decision boundary. For that, we will assign a color to each
    # point in the mesh [x_min, x_max]x[y_min, y_max].
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

    # Put the result into a color plot
    Z = Z.reshape(xx.shape)
    plt.figure()
    plt.pcolormesh(xx, yy, Z, cmap=cmap_light)

    # Plot also the training points
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold)
    plt.xlim(xx.min(), xx.max())
    plt.ylim(yy.min(), yy.max())
    plt.title("4-Class classification (k = %i, weights = '%s')"
              % (n_neighbors, weights))

plt.show()

在运行时得到这个，不太清楚这意味着什么不要认为 clf.fit 有问题，但我不确定

  TypeError                                 Traceback (most recent call last)
<ipython-input-394-bef9b05b1940> in <module>
     12         # Plot the decision boundary. For that, we will assign a color to each
     13         # point in the mesh [x_min, x_max]x[y_min, y_max].
---> 14         x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
     15         y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
     16         xx, yy = np.meshgrid(np.arange(x_min, x_max, h),

~\Miniconda3\lib\site-packages\pandas\core\frame.py in __getitem__(self, key)
   2925             if self.columns.nlevels > 1:
   2926                 return self._getitem_multilevel(key)
-> 2927             indexer = self.columns.get_loc(key)
   2928             if is_integer(indexer):
   2929                 indexer = [indexer]

~\Miniconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method, tolerance)
   2654                                  'backfill or nearest lookups')
   2655             try:
-> 2656                 return self._engine.get_loc(key)
   2657             except KeyError:
   2658                 return self._engine.get_loc(self._maybe_cast_indexer(key))

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()

TypeError: '(slice(None, None, None), 0)' is an invalid key

【问题讨论】：

错误发生在哪里？我假设在 clf.fit。如果有，X_train 和 y_train 是如何定义的？
X 是什么类型？不管它是什么都不支持 numpy 扩展索引。
我在绘制协方差矩阵时也遇到了同样的错误。我想知道是否有人提出了解决方案？

标签： python machine-learning knn

【解决方案1】：

您需要使用iloc/loc 来访问df。尝试将 iloc 添加到 X 所以X.iloc[:, 0]

【讨论】：

你能举个例子吗？

【解决方案2】：

你必须创建数组

x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1 y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1

这存在于数据框中

您必须首先通过此将数据帧转换为数组 dataframe.values 然后应用这个

【讨论】：

【解决方案3】：

我通过将 pandas 数据框转换为 numpy 数组来修复它。得到了here的帮助

【讨论】：

【解决方案4】：

由于您尝试直接作为数组访问，因此您遇到了这个问题。试试这个：

from sklearn.impute import SimpleImputer
imputer = SimpleImputer(missing_values = np.nan, strategy = 'mean',verbose=0)
imputer = imputer.fit(X.iloc[:, 1:3])
X.iloc[:, 1:3] = imputer.transform(X.iloc[:, 1:3])

使用iloc/loc 将解决问题。

【讨论】：

【解决方案5】：

from sklearn.impute import SimpleImputer

imputer = SimpleImputer(missing_values= np.nan, strategy= 'mean')

imputer = imputer.fit(X.iloc[:, 1:3])
X = imputer.transform(X.iloc[:, 1:3])

【讨论】：

你应该试试这个 #Take the care of missing data from sklearn.impute import SimpleImputer imputer = SimpleImputer(missing_values= np.nan, strategy= 'mean') imputer = imputer.fit(X.iloc[ :, 1:3]) X = imputer.transform(X.iloc[:, 1:3])

【解决方案6】：

我遇到了同样的问题

X = dataset.iloc[:,:-1]

然后我添加了.values 属性，之后它就没有问题了

X = dataset.iloc[:,:-1].values

【讨论】：

【解决方案7】：

尝试在上面编写的代码之前运行此代码。

x_min = x_min.values
x_min = x_min.astype('float32')
x_max = x_max.values
y_test1 = x_max.astype('float32')

【讨论】：

【解决方案8】：

我将我的输入改为一个 numpy 数组，并且它起作用了。我仍然无法使用 Pandas 数据框输入对这个问题进行排序。如果您的情况紧急，我建议您将输入更改为 numpy 并继续前进。

【讨论】：

【解决方案9】：

当您尝试使用 pandas 获取数据集时，请使用以下代码：

dataset = pd.read_csv("path or file name")
x = dataset.iloc[:,:-1].values
y = dataset.iloc[:,-1].values

【讨论】：

【解决方案10】：

您使用哪个库来加载数据集？
如果您使用 Pandas 库加载数据集，则需要向数据框添加基于索引的选择 (iloc) 函数以访问值，例如

import pandas as pd
data=pd.read_csv('../filename.csv')
X=data.iloc[:,0:8]
y=data.iloc[:,8]

针对您的问题：

x_min, x_max = X.iloc[:, 0].min() - 1, X.iloc[:, 0].max() + 1

如果您使用 NumPy 库加载数据集，则可以直接将值作为数组访问，例如

from numpy import loadtxt
data=loadtxt('../filename.csv',delimiter=',')
X=data[:,0:8]
y=data[:,8]

针对您的问题：

x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1

【讨论】：

【解决方案11】：

我在使用时遇到了同样的问题

features = data.iloc[:,:-1]
si = SimpleImputer(missing_values = np.nan, strategy = 'mean')
si.fit(features[:, 1:])

然后我通过调用 .values() 函数/方法到 iloc 的输出解决了这个问题，然后作为 numpy.ndarray 它工作了！

features = data.iloc[:,:-1].values()
si = SimpleImputer(missing_values = np.nan, strategy = 'mean')
si.fit(features[:, 1:])

【讨论】：

【解决方案12】：

导入数据集时，使用 .values。

变化：

X = dataset.iloc[:, 1:3]

收件人：

X = dataset.iloc[:, 1:3].values

【讨论】：

您的答案可以通过额外的支持信息得到改进。请edit 添加更多详细信息，例如引用或文档，以便其他人可以确认您的答案是正确的。你可以找到更多关于如何写好答案的信息in the help center。