Skip to main content
 首页 » 编程设计

Python SciKit Learn 和 Pandas 分类数据

2025年02月15日7mayingbao

我正在研究 csv 的多变量回归,根据多种因素预测裁剪表现。我的一些专栏是数字和有意义的。其他的是数字和分类的,或字符串和分类的(例如,裁剪品种,或情节代码或其他)。我如何教 Python 使用它们?我找到了一个热门编码器 ( http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder ),但不太了解如何在此处应用它。

到目前为止我的代码:

import pandas as pd 
import statsmodels.api as sm 
from sklearn.preprocessing import StandardScaler 
df = pd.read_csv('filepath.csv') 
 
df.drop(df[df['LabeledDataColumn'].isnull()].index.tolist(),inplace=True) 
 
scale = StandardScaler() 
 
pd.options.mode.chained_assignment = None  # default='warn' 
X = df[['inputColumn1', 'inputColumn2', ...,'inputColumn20']] 
y = df['LabeledDataColumn'] 
 
X[['inputColumn1', 'inputColumn2', ...,'inputColumn20']] = scale.fit_transform(X[['inputColumn1', 'inputColumn2', ...,'inputColumn20']].as_matrix()) 
 
#print (X) 
 
est = sm.OLS(y, X).fit() 
 
est.summary() 

请您参考如下方法:

您可以使用 pandas 提供的 get_dummies 函数并转换分类值。

像这样的..

predictor = pd.concat([data.get(['numerical_column_1','numerical_column_2','label']), 
                           pd.get_dummies(data['categorical_column1'], prefix='Categorical_col1'), 
                           pd.get_dummies(data['categorical_column2'], prefix='categorical_col2'), 
                          axis=1) 

然后你可以通过做得到结果/标签列

outcome = predictor['label'] 
del predictor['label'] 

然后在数据上调用模型做

est = sm.OLS(outcome, predictor).fit()