Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1408684
  • 博文数量: 297
  • 博客积分: 285
  • 博客等级: 二等列兵
  • 技术积分: 3006
  • 用 户 组: 普通用户
  • 注册时间: 2010-03-06 22:04
个人简介

Linuxer, ex IBMer. GNU https://hmchzb19.github.io/

文章分类

全部博文(297)

文章存档

2020年(11)

2019年(15)

2018年(43)

2017年(79)

2016年(79)

2015年(58)

2014年(1)

2013年(8)

2012年(3)

分类: 大数据

2020-03-30 13:58:42

有些时候需要把categorical data转化成number,需要使用dummy variable. 我发现做这个事情的方法太多了,可以用pd.Series.map, 可以用pd.DataFrame.applymap, 也可以用sklearn.preprocessing里面提供的一些Encoder
e.g

点击(此处)折叠或打开

  1. from sklearn.preprocessing import LabelEncoder, OneHotEncoder, OrdinalEncoder
代码如下

点击(此处)折叠或打开

  1. #import package
  2. import statsmodels.api as sm
  3. import statsmodels.formula.api as smf
  4. import seaborn as sns
  5. import matplotlib.pyplot as plt
  6. import pandas as pd
  7. import numpy as np
  8. from sklearn.preprocessing import LabelEncoder, OneHotEncoder, OrdinalEncoder

  9. sns.set()

  10. data=pd.read_csv('data-analysis/python-jupyter/1.03. Dummies.csv')
  11. # %load 11 12 15 30
  12. print(data.shape)
  13. new_data=data.copy()
  14. #new_data['Attendance']=new_data['Attendance'].map({'Yes':1, 'No':0})

  15. y=new_data['GPA']
  16. X1=new_data[['SAT','Attendance']]

  17. '''
  18. or do this
  19. '''
  20. label_encoder=LabelEncoder()
  21. new_data['Attendance']=label_encoder.fit_transform(new_data['Attendance'])


  22. results=smf.ols(formula='GPA ~ SAT + Attendance', data=new_data).fit()
  23. '''
  24. or do this
  25. x=sm.add_constant(X1)
  26. results=sm.OLS(y,x).fit()
  27. '''
  28. print(results.summary())
  29. # %load 23-28

  30. plt.scatter(new_data['SAT'], y)
  31. yhat_no=0.6439 + 0.0014 * new_data['SAT']
  32. yhat_yes = 0.8665 + 0.0014*new_data['SAT']
  33. fig = plt.plot(new_data['SAT'], yhat_no, lw=2, c='#006837')
  34. fig2= plt.plot(new_data['SAT'], yhat_yes, lw=2, c='#050026')
  35. plt.xlabel('SAT', fontsize=20)
  36. plt.ylabel('GPA', fontsize=20)
  37. plt.show()


阅读(337) | 评论(0) | 转发(0) |
0

上一篇:Simple_linear_reg

下一篇:Linear_reg_sklearn

给主人留下些什么吧!~~