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 13:42 102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，102人围观）

还没有评论，来说两句吧...

相关阅读

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/ 103 阅读

相关 R语言中实现线性回归+l_0范数变量选择的包abess

文章目录模型理论函数介绍实例1：指定稀疏参数 s s s 实例2：不指定稀疏参数 s s s 实例3：根据边际最大效应进行预筛选

﹏ヽ暗。殇╰゛Y/ 2022年09月02日 01:29/ 0 赞/ 109 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/ 194 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/ 281 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/ 270 阅读

相关机器学习 (一): 单变量线性回归

单变量线性回归前言模拟数据代码图示梯度下降误差函数计算偏导数

柔光的暖阳◎/ 2022年03月21日 09:24/ 0 赞/ 249 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/ 206 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/ 376 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/ 278 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/ 414 阅读