Python SciKitLearn and Pandasカテゴリデータ

Question

私はcsvから多変数回帰に取り組んでおり、複数の要因に基づいて作物のパフォーマンスを予測しています。私の列の中には数値的で意味のあるものがあります。他のものは、数値的で分類的なもの、文字列で分類されたもの（例えば、作物の種類やプロットコードなど）です。Pythonにそれらを使用するように教えるにはどうすればいいですか？ One Hot Encoder（http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder）を見つけましたが、実際にここに適用する方法を理解していません。これまで

マイコード：

import pandas as pd 
import statsmodels.api as sm 
from sklearn.preprocessing import StandardScaler 
df = pd.read_csv('filepath.csv') 

df.drop(df[df['LabeledDataColumn'].isnull()].index.tolist(),inplace=True) 

scale = StandardScaler() 

pd.options.mode.chained_assignment = None # default='warn' 
X = df[['inputColumn1', 'inputColumn2', ...,'inputColumn20']] 
y = df['LabeledDataColumn'] 

X[['inputColumn1', 'inputColumn2', ...,'inputColumn20']] = scale.fit_transform(X[['inputColumn1', 'inputColumn2', ...,'inputColumn20']].as_matrix()) 

#print (X) 

est = sm.OLS(y, X).fit() 

est.summary() 

Answer 1

は、あなたが提供するget_dummies関数パンダを使用してカテゴリ値を変換することができます。

このような何か...

predictor = pd.concat([data.get(['numerical_column_1','numerical_column_2','label']), 
          pd.get_dummies(data['categorical_column1'], prefix='Categorical_col1'), 
          pd.get_dummies(data['categorical_column2'], prefix='categorical_col2'), 
          axis=1) 

、あなたは

outcome = predictor['label'] 
del predictor['label'] 

を行うことで成果/ラベル列を得ることができます次に、あなたのために

est = sm.OLS(outcome, predictor).fit()