1.df.pop() 删除某一列

可以使用这个来删除某一列（不能是多列），只有一个参数，就是列名，可以是str类型，函数返回的是被删除的列，df直接是删除后的df，不需要我们处理。

我们建模时，需要单独保留某个特征，比如y值，我们就可以用y=xx.pop(label)了，很实用。

实例

(py3.7) C:\Users\HASEE>python
Python 3.7.16 (default, Jan 17 2023, 16:06:28) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame([('falcon', 'bird', 389.0),
...                    ('parrot', 'bird', 24.0),
...                    ('lion', 'mammal', 80.5),
...                    ('monkey', 'mammal', np.nan)],
...                   columns=('name', 'class', 'max_speed'))
>>> dfname   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal        NaN
>>> df.pop('class')         # 返回值直接是删除的某列的内容
0      bird
1      bird
2    mammal
3    mammal
Name: class, dtype: object
>>> df                      # 删除class列之后的dfname  max_speed
0  falcon      389.0
1  parrot       24.0
2    lion       80.5
3  monkey        NaN

内容参考自：https://www.cnblogs.com/cgmcoding/p/13729825.html

2. np.array.shape()

numpy 创建的数组都有一个shape属性，它是一个元组，返回各个维度的维数。有时候我们可能需要知道某一维的特定维数。

(python3.7) C:\Users\HASEE>python
Python 3.7.16 (default, Jan 17 2023, 16:06:28) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np>>> # 二维  
>>> y=np.array([[1, 2, 3], [4, 5, 6]])
>>> print(y)
[[1 2 3][4 5 6]]
>>> print(y.shape)
(2, 3)
>>> print(y.shape[0])
2
>>> print(y.shape[1])
3
>>>
>>> # 三维  
>>> x=np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [0, 1, 2]],[[3, 4, 5], [6, 7, 8]]])
>>> print(x)
[[[1 2 3][4 5 6]][[7 8 9][0 1 2]][[3 4 5][6 7 8]]]
>>> print(x.shape[0])
3
>>> print(x.shape[1])
2
>>> print(x.shape[2])
3

要点：

y是一个两行三列的二维数组，y.shape[0]代表行数，y.shape[1]代表列数。

x是一个包含了3个两行三列的二维数组的三维数组，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape[2]表示二维数组的列数。

shape[0]表示最外围的数组的维数，shape[1]表示次外围的数组的维数，数字不断增大，维数由外到内。

内容参考自：https://www.cnblogs.com/wanglinjie/p/11761779.html