使用Python上传、读取数据集并进行简单线性回归-Python教程-PHP中文网

使用Python上传、读取数据集并进行简单线性回归

DDD

发布： 2025-07-16 17:44:13

原创

260人浏览过

使用python上传、读取数据集并进行简单线性回归

本文档旨在指导读者如何使用Python上传并读取Excel数据集，并在此基础上进行简单的线性回归分析。主要涉及pandas库的数据读取和处理，以及sklearn库的线性回归模型应用。通过本文，读者可以掌握数据导入、数据预处理以及简单线性回归建模的基本流程。

1. 数据导入与读取

首先，我们需要使用pandas库来读取Excel文件。确保你已经安装了pandas库。如果没有，可以使用以下命令安装：

pip install pandas

登录后复制

然后，可以使用以下代码读取Excel文件：

import pandas as pd

# 替换为你的Excel文件路径
excel_file_path = "/Users/zeinabhassano/Documents/Master's_thesis/Gender Inequality/Labor data/ILO modelled estimates/updated/employment by sex and age - ilo modelled estimates (thousands) - annual.xlsx"

# 读取Excel文件
try:
    df = pd.read_excel(excel_file_path, sheet_name='Sheet1') # 替换为你的sheet名称，如果只有一个sheet，可以省略sheet_name参数
    print(df.head()) # 打印前几行数据，检查是否读取成功
except FileNotFoundError:
    print(f"文件未找到: {excel_file_path}")
except Exception as e:
    print(f"读取文件时发生错误: {e}")

登录后复制

注意事项：

立即学习“Python免费学习笔记（深入）”；

集简云

软件集成平台，快速建立企业自动化与智能化

查看详情

确保文件路径正确。
如果Excel文件包含多个sheet，需要指定sheet_name参数。
可以使用try...except语句来处理文件不存在或读取错误的情况。

2. 数据预处理

在进行线性回归之前，需要对数据进行预处理。这可能包括：

处理缺失值。
将分类变量转换为数值变量（例如，使用独热编码）。
选择合适的特征和目标变量。

以下是一个示例，展示如何处理缺失值并将性别变量转换为数值变量：

import pandas as pd

# 假设数据框名为df
# 1. 处理缺失值 (这里使用均值填充，可以根据实际情况选择其他方法)
df = df.fillna(df.mean())

# 2. 将性别变量转换为数值变量 (假设性别列名为'Sex', Male=1, Female=0)
df['Sex_Encoded'] = df['Sex'].apply(lambda x: 1 if x == 'Male' else 0)

# 打印处理后的数据
print(df.head())

登录后复制

注意事项：

立即学习“Python免费学习笔记（深入）”；

缺失值的处理方法取决于数据的具体情况。常用的方法包括删除包含缺失值的行/列，使用均值/中位数/众数填充缺失值等。
分类变量的编码方式有很多种，例如独热编码、标签编码等。选择合适的编码方式取决于模型的具体要求。

3. 线性回归建模

使用sklearn库可以方便地进行线性回归建模。确保你已经安装了sklearn库。如果没有，可以使用以下命令安装：

pip install scikit-learn

登录后复制

然后，可以使用以下代码进行线性回归建模：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, r2_score

# 假设数据框名为df，目标变量为'Employment'，特征变量为'Sex_Encoded'
X = df[['Sex_Encoded']]  # 特征变量，注意必须是二维数组
y = df['Employment']  # 目标变量

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 80%训练集，20%测试集

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print(f"均方误差 (MSE): {mse}")
print(f"R^2  score: {r2}")

# 输出模型系数和截距
print(f"系数 (Coefficient): {model.coef_}")
print(f"截距 (Intercept): {model.intercept_}")

登录后复制

代码解释：