AttributeError: ‘DataFrame’ 对象没有属性 ‘ix’

“AttributeError: ‘DataFrame’ object has no attribute ‘ix’” 发生是因为ix索引器已被弃用和删除。

要解决该错误，请使用loc索引器进行基于标签的索引，使用
iloc索引器进行基于位置的索引。

attributeerror 数据框对象没有属性 ix

壳


    return object.__getattribute__(self, name)
AttributeError: 'DataFrame' object has no attribute 'ix'

使用`loc`索引器进行基于标签的索引

下面是一个使用loc索引器的示例

，它用于基于标签的索引。

主程序


import pandas as pd

df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],

                  index=['cobra', 'viper', 'sidewinder'],

                  columns=['max_speed', 'shield'])

print('=' * 30)

# 👇️ single label
print(df.loc['viper'])

print('=' * 30)

# 👇️ list of labels
print(df.loc[['viper', 'sidewinder']])

print('=' * 30)

# 👇️ slice with labels for row and single label for column
print(df.loc['cobra':'viper', 'max_speed'])

print('=' * 30)

print(df.loc[:, 'max_speed'])

使用 loc 索引器

索引loc器允许我们通过标签或布尔数组访问一组行和列。

使用`iloc`索引器进行基于位置的索引

下面是使用iloc索引器的示例

，它用于基于位置（基于整数）的索引。

主程序


import pandas as pd

df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],

                  index=['cobra', 'viper', 'sidewinder'],

                  columns=['max_speed', 'shield'])

print(df)

print('=' * 30)

# 👇️ with scalar integer
print(df.iloc[0])

print('=' * 30)

# 👇️ with list of integer
print(df.iloc[[0]])

print(df.iloc[[0, 1]])

print('=' * 30)

# 👇️ with a slice object
print(df.iloc[:3])

print('=' * 30)

print(df.iloc[:, 1])

使用 iloc 索引器

简而言之，
loc
用于按标签选择行和列。

iloc
用于按整数位置选择行和列。

ix已删除的索引器首先执行基于标签的索引，如果失败，则回退到基于整数的索引。

换句话说，ix索引器以前用于混合整数和基于标签的访问。

ix您可以在
文档的这一部分阅读已弃用的索引器。

ix 索引器已被弃用

姓名	描述
位置	用于按标签选择行和列
伊洛克	用于按整数位置选择行和列
九	已被删除，以前用于混合整数和基于标签的访问。

使用loc和iloc索引器通常更直观，因为它使我们的代码更明确。

当轴基于整数时，仅支持基于标签的访问，而不支持基于位置的访问。

在这些情况下，使用locor更直观iloc。

AttributeError: DataFrame 对象没有属性 as_matrix

出现“AttributeError: DataFrame object has no attribute as_matrix”是因为该as_matrix()方法自 NumPy 版本以来已被弃用
0.23.0。

要解决该错误，请改用该to_numpy()方法。

attributeerror 数据框对象没有作为矩阵的属性

正如
文档
所述，该as_matrix()方法自 version 以来已被弃用和删除
0.23.0。

要解决该错误，请改用该to_numpy方法。

主程序


import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})

# ✅ Convert DataFrame to a NumPy array

arr = df.to_numpy()

# [[1 3]
#  [2 4]]
print(arr)
print(type(arr))  # 👉️ <class 'numpy.ndarray'>

# ----------------------------------------

# ✅ Convert a subset of columns to a NumPy array

arr = df[['A']].to_numpy()

# [[1]
#  [2]]
print(arr)
print(type(arr))  # 👉️ <class 'numpy.ndarray'>

to_numpy

方法将 DataFrame 转换为 NumPy 数组。

如果需要将列的子集转换为 NumPy 数组，请先选择列，然后调用该to_numpy()方法。

该to_numpy方法采用dtype和copy作为可选参数。

如果DataFrame存储异构数据，则使用最低通用类型。

主程序


import pandas as pd

df = pd.DataFrame({'A': [1, 2], 'B': [3.1, 4.2]})

# ✅ Convert DataFrame to a NumPy array

arr = df.to_numpy()

# [[1.  3.1]
#  [2.  4.2]]
print(arr)
print(type(arr))  # 👉️ <class 'numpy.ndarray'>

# ----------------------------------------

# ✅ Convert a subset of columns to a NumPy array

arr = df[['A']].to_numpy()

# [[1]
#  [2]]
print(arr)
print(type(arr))  # 👉️ <class 'numpy.ndarray'>

如果得到“AttributeError: ‘Series’ object has no attribute ‘as_matrix’”，解决方法是一样的。您必须改用
Series.to_numpy
方法。

主程序


import pandas as pd

ser = pd.Series(['a', 'b', 'c'])

arr = ser.to_numpy()
print(arr)  # 👉️ ['a' 'b' 'c']
print(type(arr))  # 👉️ <class 'numpy.ndarray'>

该Series.to_numpy方法返回一个ndarray代表Series.

额外资源

您可以通过查看以下教程来了解有关相关主题的更多信息：

目录

AttributeError: ‘DataFrame’ object has no attribute ‘ix’