Python 如何从Graphlab迁移到熊猫

我一直在学习Graphlab，但也想看看pandas，因为它是开源的，将来我可能会发现自己在一家没有GL许可证的公司，我想知道pandas会如何处理创建基本模型的问题，就像我使用GL一样

data = pd.read_csv("~/Downloads/diamonds.csv")
sframe  = gl.SFrame(data)
train_data, test_data = sframe.random_split(.8, seed=1)
train, test = train_test_split(data, train_size=0.75, random_state=88)
reg_model = gl.linear_regression.create(train_data, target="price", features=["carat","cut","color"], validation_set=None)

---

熊猫与上面最后一行的等价物是什么？

熊猫本身没有任何内置的预测模型（据我所知）。
在统计模型中

pandas
可能是Python中用于数据操作的最好（如果不是最好的话）模块之一。它将使存储数据和操作数据进行建模比列表和读取CSV等更容易

读取文件非常简单（请注意这是多么直观）：

说出来：

# Excel
d1.to_excel(PATH_HERE)
# Need I go on again??

它还使数据的筛选和切片变得非常简单：

为了便于建模，请查看
用于文本分析。还有其他的，但这些是我用过的。
对于建模，你必须使用sklearn库。最后一行等效值为：

model = sklearn.linear_model.LogisticRegression()
model.fit(train_data["carat","cut","color"], train_data["price"])

没有一个
pandas
等价物。您可能希望使用另一个库，如
sklearn
。我将添加标签。谢谢！我来看看scikit
model = sklearn.linear_model.LogisticRegression()
model.fit(train_data["carat","cut","color"], train_data["price"])