Question

我读取了CSV文件并获取了一个包含几列的数据帧（名称：数据），前几个列格式为数字long（类型：pandas.core.series.Series）和最后一列（标签）是二元响应变量字符串＆＃39; P（ass）＆＃39; F（ail）＆＃39;

import statsmodels.api as sm
label = data.ix[:, -1]
label[label == 'P'] = 1
label[label == 'F'] = 0

fea = data.ix[:, 0: -1]
logit = sm.Logit(label, fea)
result = logit.fit()
print result.summary()

Pandas抛出这个错误信息：＆＃34; ValueError：Pandas数据被转换为numpy dtype的对象。使用np.asarray（数据）＆＃34; 检查输入数据 Numpy，Pandas等模块已经导入。我试图将fea列转换为float但仍然没有通过。有人能告诉我如何纠正吗？感谢

更新：

data.info()
 <class 'pandas.core.frame.DataFrame'>
Int64Index: 500 entries, 68135 to 3002
Data columns (total 8 columns):
TestQty         500 non-null int64
WaferSize       500 non-null int64
ChuckTemp       500 non-null int64
Notch           500 non-null int64
ORIGINALDIEX    500 non-null int64
ORIGINALDIEY    500 non-null int64
DUTNo           500 non-null int64
PassFail        500 non-null object
dtypes: int64(7), object(1)
memory usage: 35.2+ KB

data.sum()
TestQty            530
WaferSize         6000
ChuckTemp        41395
Notch           135000
ORIGINALDIEX     12810
ORIGINALDIEY      7885
DUTNo           271132
PassFail            20
dtype: float64

Answer 1

你的功能不应该是这样的：

fea = data.ix[:, 0:-1]

根据您的数据，您可以看到，在转换“P＆＃39; P＆＃39;之前，PassFail总和为20到1和＆＃39; F＆＃39;为零。我相信这是你错误的根源。

要查看其中的内容，请尝试：

data.PassFail.unique()

要验证它总计为500（DataFrame中的行数）：

sum(label[label == 0]) + sum(label[label == 1)

最后，尝试将值传递给函数而不是Series和DataFrames：

logit = sm.Logit(label.values, fea.values)

用于线性回归的pandas数据帧转换

1 个答案: