Python Pandas 回归

Question

[在此处输入图像描述][1]我正在努力弄清楚回归是否是我需要走的路线，以解决我目前使用 Python 面临的挑战。这是我的场景：

• 我有一个 195 行 x 25 列的 Pandas 数据框
• 所有数据（索引和标题除外）都是整数
• 我希望将一个特定列（B 列）与所有其他列进行比较
• 尝试确定任何列中是否存在影响或影响 B 列的数字范围
• 我想在 Python 中计算的结果示例类似于：当 D 列中的数据介于 10.20 - 16.4 之间时，B 列高于 3.5

我在线阅读的 Python 回归示例似乎生成了我不需要的图表和统计数据（或者我可能解释不正确）。我认为描述我所问内容的正确措辞是识别 Pandas 数据框中两列之间线性的特定值或值范围。

谁能帮我指出正确的方向？

提前谢谢大家！

Answer 1

此时，您的目标听起来很像探索性数据分析。您可能应该首先使用pandas.Series.corr（实际上与二元回归相同）计算您的目标column B 和任何其他column 之间的correlation，您可以使用list：

other_cols = [col for col in df1.columns if col !='B']
corr_B = [{other: df.loc[:, 'B'].corr(df.loc[:, other])} for other in other_col]

要掌握特定范围，我建议您查看：

• cut 和 qcut 功能可随心所欲地 bin 您的数据，并相应地绘制或关联子集：请参阅文档 here 和 here。

为了可视化双变量和简单的多变量关系，我建议

• seaborn 包，因为它包含各种类型的图，旨在帮助您快速掌握变量之间的协变。例如，请参阅单变量和双变量分布示例here、线性关系图here 和分类数据图here。

以上内容应该可以帮助您理解双变量关系。一旦你想发展到多变量关系，你可以返回到scikit-learn 或statsmodels 最适合python 恕我直言的包。希望这有助于您入门。