Pandas 和线性回归：单个 x 的多个 y 值

Question

我有一个包含一段时间内每晚租金单价的 csv。如果该单元是租用的，则价格列在当天下方。如果未租用，则价格显示为 N/A。数据结构如下：

bedrooms  day1   day2   day3...   day(n)
2          75    N/A     70       50
2          60    60      60       60
4          100   110     N/A      N/A
3          75    80      80       N/A

...等等。

我正在将此 csv 读入 pandas。我希望能够使用 scikit-learn 中的 LinearRegression 来预测给定卧室数量的价格。你这样做：

from sklearn.linear_model import LinearRegression
model = LinearRegression()
# X is numpy array or sparse matrix of shape [n_samples,n_features]
# y is numpy array of shape [n_samples, n_targets]
model.fit(X, y)

如何使用 pandas 以正确的格式获取我的数据？

编辑澄清：

正确的格式应该是每个价格都与一间卧室相关联，如下所示：

bedrooms  price
2          75    
2          70       
2          50
2          60 
2          60 
2          60 
2          60 
4          100
4          110
3          80
3          80

Answer 1

您可以向 bedrooms 列添加索引并堆叠数据帧。

开车确保一切都有名字，整个事情是这样的：

from StringIO import StringIO
import pandas

datafile = StringIO("""\
bedrooms  day1   day2   day3     day(n)
2          75    N/A     70       50
2          60    60      60       60
4          100   110     N/A      N/A
3          75    80      80       N/A
""")

df = pandas.read_table(datafile, sep='\s+', index_col='bedrooms')
df.columns.names = ['days rented']
prices = df.stack()
prices.name = 'dollars'
prices.reset_index()

打印出：

    bedrooms days rented  dollars
0          2        day1       75
1          2        day3       70
2          2      day(n)       50
3          2        day1       60
4          2        day2       60
5          2        day3       60
6          2      day(n)       60
7          4        day1      100
8          4        day2      110
9          3        day1       75
10         3        day2       80
11         3        day3       80

Pandas 和线性回归：单个 x 的多个 y 值

Pandas and linear regression: multiple y values for single x

python

pandas

scikit-learn