使用 Python 格式化和切片数组 - 为线性回归准备数据
Posted
技术标签:
【中文标题】使用 Python 格式化和切片数组 - 为线性回归准备数据【英文标题】:Format and slice arrays with Python - prepare data for linear regression 【发布时间】:2018-07-17 16:21:19 【问题描述】:我知道这是一个非常基本的问题,但我在正确格式化元组方面有点挣扎。 我有一个 csv 文件,其标题是:
id x1 x2 x3 y1 y2
1 23 45 31 2 5
2 34 5 21 3 12
3 234 4 26 4 20
....
我正在构建一个多目标线性回归模型(我将使用来自 scikit learn 的 MultiOutputRegressor),所以我想将数据拆分为 X(然后将其拆分为训练集和测试集)和目标 Y。我导入像这样的csv:
with open('data.csv', newline='') as csvfile:
data = list(csv.reader(csvfile))
所以我得到了一个数组列表。但是如何访问数组中的元素呢?我的 X 集将是字段 x1、x2、x3 的所有值(然后我会选择一些 X 行来构建 Xtrain);我的 Y 集将是 y1,y2 的所有值。 我的最终目标是这样的:
X= [[23 45 31]
[34 5 21]
[234 4 26]
...]
Y=[[2,5]
[3,12]
[4,20]
...]
我怎样才能做到这一点? 或者:如何将我所说的结构化数据分组为稀疏矩阵,这是 scikit learn 的线性回归函数的有效参数?
【问题讨论】:
你看过 pandas(和 numpy)吗? 【参考方案1】:您可以使用 numpy 操作数组:
import numpy as np
data = np.array(data) # Transform list to numpy array
data = data[1:,] # Keep all lines except the header (first line)
y_col_index = 3
X = data[:,:y_col_index] # Select the first columns
Y = data[:,y_col_index:] # Select the last columns
【讨论】:
【参考方案2】:Victor Daplasse 的回答可能更直截了当,但我总是更喜欢使用 pandas 来读取和预处理 csv 文件。
import pandas as pd
import numpy as np
data = pd.read_csv('data.csv')
X = np.array(data[['x1', 'x2', 'x3']])
Y = np.array(data[['y1', 'y2']])
【讨论】:
以上是关于使用 Python 格式化和切片数组 - 为线性回归准备数据的主要内容,如果未能解决你的问题,请参考以下文章
在 Python 中使用循环对数组进行切片并为每个小数组赋予特定的名称