将Pandas数据框转换为数组并评估多元线性回归模型

小编典典

将Pandas数据框转换为数组并评估多元线性回归模型

python

我正在尝试评估多元线性回归模型。我有一个这样的数据集：

在此处输入图片说明

该数据集具有157行* 54列。

我需要从文章中预测ground_truth的值。我将在 en_Amantadine 与 en_Common 之间添加我的多个线性模型7文章。

我有用于多元线性回归的代码：

from sklearn.linear_model import LinearRegression
X = [[6, 2], [8, 1], [10, 0], [14, 2], [18, 0]] // need to modify for my problem
y = [[7],[9],[13],[17.5], [18]] // need to modify
model = LinearRegression()
model.fit(X, y)

我的问题是，我无法从DataFrame中为 X 和 y 变量提取数据。在我的代码中X应该是：

X = [[4984, 94, 2837, 857, 356, 1678, 29901],
     [4428, 101, 4245, 906, 477, 2313, 34176],
      ....
     ]
y = [[3.135999], [2.53356] ....]

我无法将DataFrame转换为这种类型的结构。我怎样才能做到这一点？

任何帮助表示赞赏。

阅读 211

2021-01-16

共1个答案

小编典典

您可以as_matrix直接在数据框对象上使用方法将数据框转换为矩阵。您可能需要指定感兴趣的列，X=df[['x1','x2','X3']].as_matrix()其中不同的x是列名。

对于y变量，您可以y = df['ground_truth'].values用来获取数组。

这是一些随机生成的数据的示例：

import numpy as np
#create a 5X5 dataframe
df = pd.DataFrame(np.random.random_integers(0, 100, (5, 5)), columns = ['X1','X2','X3','X4','y'])

调用as_matrix()上df返回一个numpy.ndarray对象

X = df[['X1','X2','X3','X4']].as_matrix()

调用从熊猫values返回anumpy.ndarray``series

y =df['y'].values

注意：您可能会收到一条警告：FutureWarning: Method .as_matrix will be removed in a future version. Use .values instead.

要修复它，请使用values而不是as_matrix如下所示

X = df[['X1','X2','X3','X4']].values

2021-01-16