python - 将Pandas数据框转换为数组并评估多元线性回归模型

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:

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 和和变量提取数据。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。

最佳答案

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

对于y变量，您可以使用y = df['ground_truth'].values获得一个数组。

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'])

在as_matrix()上调用df返回一个numpy.ndarray对象

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

调用values从 Pandas numpy.ndarray返回一个series

y =df['y'].values

注意:您可能会收到警告说: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

关于python - 将Pandas数据框转换为数组并评估多元线性回归模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/28334091/