使用 Python（Pandas 和 Numpy）进行线性回归

Question

我正在尝试使用 python 实现线性回归。

我做了以下步骤：

import pandas as p
import numpy as n
data = p.read_csv("...path\Housing.csv", usecols=[1]) # I want the first col
data1 = p.read_csv("...path\Housing.csv", usecols=[3]) # I want the 3rd col
x = data
y = data1

然后我尝试获得系数，并使用以下内容：

regression_coeff = n.polyfit(x,y,1)

然后我得到以下错误：

raise TypeError("expected 1D vector for x")
TypeError: expected 1D vector for x

我无法理解这一点，因为当我打印 x 和 y 时，我可以非常清楚地看到它们都是一维向量。

有人可以帮忙吗？

数据集可以在这里找到：DataSets

原代码为：

import pandas as p
import numpy as n

data = pd.read_csv('...\housing.csv', usecols = [1])
data1 = pd.read_csv('...\housing.csv', usecols = [3])

x = data
y = data1
regression = n.polyfit(x, y, 1)

Answer 1

这应该可行：

np.polyfit(data.values.flatten(), data1.values.flatten(), 1)

data 是一个数据框，它的值为 2D：

>>> data.values.shape
(546, 1)

flatten() 把它变成一维数组：

>> data.values.flatten().shape
(546,)

polyfit() 需要。

更简单的选择：

df = pd.read_csv("Housing.csv")
np.polyfit(df['price'], df['bedrooms'], 1)

Answer 2

pandas.read_csv() 返回一个DataFrame，它有两个维度，而np.polyfit 想要一个1D vector 用于x 和y 以进行单一拟合。您可以使用.squeeze() 将read_csv() 的输出简单地转换为pd.Series 以匹配np.polyfit() 输入格式：

data = pd.read_csv('../Housing.csv', usecols = [1]).squeeze()
data1 = p.read_csv("...path\Housing.csv", usecols=[3]).squeeze()

Answer 3

Python 告诉您数据格式不正确，特别是 x 必须是一维数组，在您的情况下它是一个二维熊猫数组。 您可以将数据转换为 numpy 数组并压缩它来解决您的问题。

import pandas as pd
import numpy as np

data = pd.read_csv('../Housing.csv', usecols = [1])
data1 = pd.read_csv('../Housing.csv', usecols = [3])
data = np.squeeze(np.array(data))
data1 = np.squeeze(np.array(data1))

x = data
y = data1
regression = np.polyfit(x, y, 1)