python 变量 r_python – R在大熊猫线性回归中的relevel()和因子变量

ゝ一世哀愁。 2022-10-27 13:42 125阅读 0赞

你可以使用

pd.get\_dummies：

import pandas as pd

d = \{'a': \[1,2,3,4,3,3,3\], 'b': \[5,6,7,8,4,4,4\], 'c': \[9,10,11,12,3,3,3\],

'd': pd.Series(\['red', 'blue', 'green', 'red', 'orange', 'blue', 'red'\],

dtype='category')\}

df = pd.DataFrame(d)

dummies = pd.get\_dummies(df\['d'\])

df = pd.concat(\[df, dummies\], axis=1)

df = df.drop(\['d', 'green'\], axis=1)

print(df)

产量

a b c blue orange red

0 1 5 9 0 0 1

1 2 6 10 1 0 0

2 3 7 11 0 0 0

3 4 8 12 0 0 1

4 3 4 3 0 1 0

5 3 4 3 1 0 0

6 3 4 3 0 0 1

import statsmodels.formula.api as smf

model = smf.ols('a ~ b + c + blue + orange + red', df).fit()

print(model.summary())

产量

OLS Regression Results

==============================================================================

Dep. Variable: a R-squared: 1.000

Model: OLS Adj. R-squared: 1.000

Method: Least Squares F-statistic: 2.149e+25

Date: Sun, 22 Mar 2015 Prob (F-statistic): 1.64e-13

Time: 05:57:33 Log-Likelihood: 200.74

No. Observations: 7 AIC: -389.5

Df Residuals: 1 BIC: -389.8

Df Model: 5

Covariance Type: nonrobust

==============================================================================

coef std err t P>|t| \[95.0% Conf. Int.\]

\------------------------------------------------------------------------------

Intercept -1.6000 6.11e-13 -2.62e+12 0.000 -1.600 -1.600

b 1.6000 1.59e-13 1.01e+13 0.000 1.600 1.600

c -0.6000 6.36e-14 -9.44e+12 0.000 -0.600 -0.600

blue 1.11e-16 3.08e-13 0.000 1.000 -3.91e-12 3.91e-12

orange 7.994e-15 3.87e-13 0.021 0.987 -4.91e-12 4.93e-12

red 4.829e-15 2.75e-13 0.018 0.989 -3.49e-12 3.5e-12

==============================================================================

Omnibus: nan Durbin-Watson: 0.203

Prob(Omnibus): nan Jarque-Bera (JB): 0.752

Skew: 0.200 Prob(JB): 0.687

Kurtosis: 1.445 Cond. No. 85.2

==============================================================================

Warnings:

\[1\] Standard Errors assume that the covariance matrix of the errors is correctly specified.

import pandas as pd

import statsmodels.formula.api as smf

d = \{'a': \[1,2,3,4,3,3,3\], 'b': \[5,6,7,8,4,4,4\], 'c': \[9,10,11,12,3,3,3\],

'd': \['red', 'blue', 'green', 'red', 'orange', 'blue', 'red'\]\}

df = pd.DataFrame(d)

model = smf.ols('a ~ b + c + C(d, Treatment(reference="green"))', df).fit()

print(model.summary())

参考文献：

发表评论取消回复

表情：

评论列表（有 0 条评论，125人围观）

还没有评论，来说两句吧...

相关阅读

相关 R语言中对因子变量的等级进行重新排序

R语言中对因子变量的等级进行重新排序在R语言中，因子变量是一种用于表示分类数据的数据类型。当我们使用因子变量时，有时需要对其等级进行重新排序，以便更好地符合我们的分析需求。

超、凢脫俗/ 2024年03月24日 21:08/ 0 赞/ 42 阅读

相关协变量和因子之间关系的图（使用R语言）

协变量和因子之间关系的图（使用R语言）协变量和因子之间的关系图是一种可视化工具，用于展示协变量（也称为自变量）与因子（也称为因变量）之间的关系。在本文中，我们将使用R语言来

淩亂°似流年/ 2023年10月15日 00:22/ 0 赞/ 21 阅读

相关 python 变量 r_python – R在大熊猫线性回归中的relevel()和因子变量

你可以使用 pd.get\_dummies： import pandas as pd d = \{'a': \[1,2,3,4,3,3,3\], 'b': \[5,6,7

ゝ一世哀愁。/ 2022年10月27日 13:42/ 0 赞/ 126 阅读

相关多变量线性回归

目前为止,我们探讨了单变量/特征的回归模型,现在我们对房价模型增加更多的特征, 例如房间数楼层等,构成一个含有多个变量的模型,模型中的特征为(x1,x2,…,xn) 增添更多

雨点打透心脏的1/2处/ 2022年07月14日 08:42/ 0 赞/ 215 阅读

相关单变量线性回归公式推导

![这里写图片描述][SouthEast] ![这里写图片描述][SouthEast 1] ![这里写图片描述][SouthEast 2] 同步更新： ![这里

深藏阁楼爱情的钟/ 2022年06月01日 13:24/ 0 赞/ 328 阅读

相关多变量线性回归公式推导

![这里写图片描述][SouthEast] ![这里写图片描述][SouthEast 1] ![这里写图片描述][SouthEast 2] 梯度下降： ![这里

怼烎@/ 2022年05月30日 22:16/ 0 赞/ 306 阅读

相关 TensorFlow (二): 单变量线性回归

TensorFlow 单变量线性回归代码效果图代码 import tensorflow as tf import numpy

- 日理万妓/ 2022年03月15日 11:54/ 0 赞/ 251 阅读

相关多变量线性回归/多元线性回归

![20191009191333910.png][][日萌社][Link 1] [人工智能AI：Keras PyTorch MXNet TensorFlow Paddle

谁践踏了优雅/ 2022年01月23日 06:49/ 0 赞/ 408 阅读

相关多变量线性回归 matlab

%multivariate_linear_regression data=load('data.txt'); x=data(:,1:2);

冷不防/ 2021年12月24日 13:35/ 0 赞/ 314 阅读

相关 Python的虚拟变量及因子型变量构建

什么是虚拟变量和因子型数据虚拟变量，虚拟变量(DummyVariables)又称虚设变量、名义变量或哑变量，用以反映质的属性的一个人工变量，是量化了的自变量，通常

阳光穿透心脏的1/2处/ 2021年12月14日 15:27/ 0 赞/ 433 阅读