输出结果

name              object

ID                object

age               object

age02              int64

age03             object

born      datetime64[ns]

sex               object

hobbey            object

money            float64

weight           float64

test01           float64

test02           float64

dtype: object

  name    ID  age  age02 age03       born   sex hobbey  money  weight  \

0   Bob     1  NaN     14    14        NaT     男    打篮球  200.0   140.5  

1  LiSa     2   28     26    26 1990-01-01     女   打羽毛球  240.0   120.8  

2  Mary         38     24    24 1980-01-01     女   打乒乓球  290.0   169.4  

3  Alan  None           6     6        NaT  None         300.0   155.6  

    test01    test02  

0  1.000000  1.000000  

1  2.123457  2.123457  

2  3.123457  3.123457  

3  4.123457  4.123457  

0    140.5

1    120.8

2    169.4

Name: weight, dtype: float64

  name    ID age  age02 age03 born   sex hobbey  money  weight    test01  \

3  Alan  None          6     6  NaT  None         300.0   155.6  4.123457  

    test02  

3  4.123457  

实习代码

import pandas as pd

import numpy as np

contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],

         "ID":   [1,              2,                         ' ',                          None],    # 输出 NaN

         "age":  [np.nan,        28,                           38 ,                          '' ],   # 输出

         "age02":  [14,           26,                           24 ,                          6],

         "age03":  [14,           '26',                      '24' ,                        '6'],

       "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],     # 输出 NaT

         "sex":  ['男',          '女',                        '女',                        None,],   # 输出 None

         "hobbey":['打篮球',     '打羽毛球',                   '打乒乓球',                    '',],   # 输出

         "money":[200.0,                240.0,                   290.0,                     300.0],  # 输出

         "weight":[140.5,                120.8,                 169.4,                      155.6],  # 输出

         "test01":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出

         "test02":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出

         }

data_frame = pd.DataFrame(contents)

# data_frame.to_excel("data_Frame.xls")

print(data_frame.dtypes)

print(data_frame)

# ML之FE：在模型训练中，仅需两行代码实现切分训练集和测试集并分离特征与标签

train_test_split_Index=3

label_col='weight'

train_X = data_frame[:train_test_split_Index]

train_y = data_frame[:train_test_split_Index][label_col]

test_X  = data_frame[train_test_split_Index:]

test_y  = data_frame[train_test_split_Index:][label_col]        

print(train_y)

print(test_X)