Python 熊猫和线性回归:单个x的多个y值
我有一个csv,包含一段时间内每晚的租赁单价。如果该单元是租来的,则价格在当天列出。如果未出租,价格显示为N/A。数据结构如下:Python 熊猫和线性回归:单个x的多个y值,python,pandas,scikit-learn,Python,Pandas,Scikit Learn,我有一个csv,包含一段时间内每晚的租赁单价。如果该单元是租来的,则价格在当天列出。如果未出租,价格显示为N/A。数据结构如下: bedrooms day1 day2 day3... day(n) 2 75 N/A 70 50 2 60 60 60 60 4 100 110 N/A N/A 3 75 80 80
bedrooms day1 day2 day3... day(n)
2 75 N/A 70 50
2 60 60 60 60
4 100 110 N/A N/A
3 75 80 80 N/A
from StringIO import StringIO
import pandas
datafile = StringIO("""\
bedrooms day1 day2 day3 day(n)
2 75 N/A 70 50
2 60 60 60 60
4 100 110 N/A N/A
3 75 80 80 N/A
""")
df = pandas.read_table(datafile, sep='\s+', index_col='bedrooms')
df.columns.names = ['days rented']
prices = df.stack()
prices.name = 'dollars'
prices.reset_index()
……等等
我正在把这个csv读成熊猫。我希望能够使用scikit的线性回归来预测给定卧室数量的价格。你是这样做的:
from sklearn.linear_model import LinearRegression
model = LinearRegression()
# X is numpy array or sparse matrix of shape [n_samples,n_features]
# y is numpy array of shape [n_samples, n_targets]
model.fit(X, y)
如何使用pandas以正确的格式获取数据
编辑以澄清:
正确的格式将每个价格与卧室关联,如下所示:
bedrooms price
2 75
2 70
2 50
2 60
2 60
2 60
2 60
4 100
4 110
3 80
3 80
您可以向
卧室
列添加索引并堆叠数据帧
为了确保每样东西都有一个名字,整个事情看起来是这样的:
bedrooms day1 day2 day3... day(n)
2 75 N/A 70 50
2 60 60 60 60
4 100 110 N/A N/A
3 75 80 80 N/A
from StringIO import StringIO
import pandas
datafile = StringIO("""\
bedrooms day1 day2 day3 day(n)
2 75 N/A 70 50
2 60 60 60 60
4 100 110 N/A N/A
3 75 80 80 N/A
""")
df = pandas.read_table(datafile, sep='\s+', index_col='bedrooms')
df.columns.names = ['days rented']
prices = df.stack()
prices.name = 'dollars'
prices.reset_index()
打印出:
bedrooms days rented dollars
0 2 day1 75
1 2 day3 70
2 2 day(n) 50
3 2 day1 60
4 2 day2 60
5 2 day3 60
6 2 day(n) 60
7 4 day1 100
8 4 day2 110
9 3 day1 75
10 3 day2 80
11 3 day3 80
DataFrame
中的每一列都是Series
和Series
对象1)与array
API基本兼容(因此它们应该自己工作),2)可以转换为带有numpy.array(df['column\u name'])
Ok的数组。然后我有n个定价数据数组(仍然需要清理)。然后呢?洗干净了吗?这是什么意思?提供简单有效的测试用例示例。我没有任何测试用例,但如果在拟合数据时包含值“N/A”,则会出现错误。数据帧有一个dropna
methodAh,df.stack()似乎是缺少的部分。谢谢!