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，以便解决我当前使用 Python 的挑战。这是我的场景:

• 我有一个 195 行 x 25 列的 Pandas Dataframe
• 所有数据(索引和标题除外)均为整数
• 我希望将某一特定列(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 B 列的数字范围
• 我想用 Python 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(或者可能是我解释错误)。我相信描述我所要求的内容的正确措辞是识别 Pandas 数据框中两列之间呈线性的特定值或一系列值。

有人能帮我指出正确的方向吗？

先谢谢大家了!

Answer 1

此时，您的目标听起来非常像探索性数据分析。您可能应该首先使用 pandas.Series.corr 计算目标列 B 与任何其他列之间的相关性 (这实际上与二元回归相同)，您可以列出:

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]

要了解特定范围，我建议查看:

• cut 和 qcut 功能可根据您的喜好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绘图，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的示例 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二元关系。一旦您想要发展到多元关系，您可以返回到 scikit-learn或statsmodels恕我直言，python 中最适合此目的的软件包。希望这有助于您入门。