Question

我知道这是一个非常基本的问题，但我正在努力格式化一个元组。我有一个csv文件，其头部是：

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（然后将在训练集和测试集中拆分）并将目标指向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？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：

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：我如何按照我在稀疏矩阵中所说的结构对数据进行分组，这是scikit学习线性回归函数的有效参数？

Answer 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

Answer 2

Victor Daplasse的回答可能更简单，但我总是喜欢使用pandas来阅读和预处理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']])

使用Python格式化和切片数组 - 为线性回归准备数据

2 个答案: