如何使用熊猫数据框预测值？

Question

我需要使用最好的线来预测我的数据框中的值。我该怎么做？是否有一个函数，例如，我可以输入一年并获得预期寿命的预测值？

Year    Life Expectancy
1930    59.7
1940    62.9
1950    70.2
1965    67.7

我将如何计算1948年的价值？

Answer 1

我有一点时间，为了娱乐起见，使用了numpy.polyfit()和.polyval()的基于@ALollz注释的完整示例。

% matplotlib inline

import pandas as pd
import numpy as np

# Generate some test data with a trend.

data = pd.DataFrame(
    {
        'year': list(range(1900, 2000)),
        'life_exp': np.linspace(50, 80, 100) * ((np.random.randn(100, ) * 0.1) + 1)
    }
)

data[['life_exp']].plot()

给予：

# Fit coefficents.

coef = np.polyfit(data['year'], data['life_exp'], 1)

# Generate predictions for entire series.

data['predicted'] = pd.Series(np.polyval(coef, data['year']))

data[['life_exp', 'predicted']].plot()

这给了我们想要的结果：

我们可以预测单个年份：

# Passing in a single year.

x = 1981

print('Predicted life expectancy for {}: {:.2f} years'.format(x, np.polyval(coef, x)))

礼物：Predicted life expectancy for 1981: 72.40 years

希望这是正确的用法，我从中得到了一些答案：）

Answer 2

您可以使用：

import seaborn as sns    
sns.lmplot(data['Year'],data['Life Expectancy'],data)

根据线性回归，这将为您的给定数据拟合一条直线，还可以计算出其他任何值，例如1948年等。

有关文档，请参阅： https://seaborn.pydata.org/generated/seaborn.lmplot.html