熊猫和线性回归：单个 x 的多个 y 值

Question

我有一个 csv，其中包含一段时间内每晚的租金单价。如果单位是租用的，价格会列在日期下方。如果没有租用，价格显示为 N/A。数据结构如下：

bedrooms  day1   day2   day3...   day(n)
2          75    N/A     70       50
2          60    60      60       60
4          100   110     N/A      N/A
3          75    80      80       N/A

...等等。

我正在将这个 csv 读入 pandas。我希望能够使用 scikit-learn 中的 LinearRegression 来预测给定卧室数量的价格。你这样做：

from sklearn.linear_model import LinearRegression
model = LinearRegression()
# X is numpy array or sparse matrix of shape [n_samples,n_features]
# y is numpy array of shape [n_samples, n_targets]
model.fit(X, y)

如何使用 pandas 以正确格式获取数据？

编辑澄清：

正确的格式是将每个价格与卧室相关联，如下所示：

bedrooms  price
2          75    
2          70       
2          50
2          60 
2          60 
2          60 
2          60 
4          100
4          110
3          80
3          80

Answer 1

您可以向bedrooms 列添加索引并堆叠数据框。

拿车确定一切都有名字，整个东西是这样的：

from StringIO import StringIO
import pandas

datafile = StringIO("""\
bedrooms  day1   day2   day3     day(n)
2          75    N/A     70       50
2          60    60      60       60
4          100   110     N/A      N/A
3          75    80      80       N/A
""")

df = pandas.read_table(datafile, sep='\s+', index_col='bedrooms')
df.columns.names = ['days rented']
prices = df.stack()
prices.name = 'dollars'
prices.reset_index()

打印出来的：

    bedrooms days rented  dollars
0          2        day1       75
1          2        day3       70
2          2      day(n)       50
3          2        day1       60
4          2        day2       60
5          2        day3       60
6          2      day(n)       60
7          4        day1      100
8          4        day2      110
9          3        day1       75
10         3        day2       80
11         3        day3       80