《Python数据挖掘与机器学习实战》—3.4 用Python实现多元线性回归

3.4  用Python实现多元线性回归

　　当结果值的影响因素有多个时，可以采用多元线性回归模型。例如，商品的销售额可能与电视广告投入、收音机广告投入和报纸广告投入有关系，可以有：

　　              （3-7）

3.4.1  使用pandas读取数据

　　pandas是一个用于数据探索、数据分析和数据处理的Python库。

　　import pandas as pd

　　#获取数据

　　data = pd.read_csv('/home/lulei/Advertising.csv')

　　# 显示前5项数据

　　data.head()

　　这里的Advertising.csv是来自http://www-bcf.usc.edu/~gareth/ISL/Advertising.csv，大家可以自行下载。

　　上面代码的运行结果如下：

　　TV     Radio     Newspaper    Sales

　　0      230.1      37.8       69.2       22.1

　　1      44.5       39.3       45.1       10.4

　　2      17.2       45.9       69.3       9.3

　　3      151.5      41.3       58.5       18.5

　　4      180.8      10.8       58.4       12.9

　　上面显示的结果类似一个电子表格，这个结构称为pandas的数据帧（data frame），类型全称是pandas.core.frame.DataFrame。

　　pandas的两个主要数据结构是Series和DataFrame；Series类似于一维数组，它由一组数据及一组与之相关的数据标签（即索引）组成；DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典。

　　# 显示最后5项数据

　　data.tail()

　　以上代码的作用是只显示结果的末尾5行，结果如下：

　　        TV     Radio    Newspaper    Sales

　　195    38.2     3.7       13.8         7.6

　　196    94.2     4.9       8.1          9.7

　　197    177.0    9.3       6.4          12.8

　　198    283.6    42.0      66.2         25.5

　　199    232.1    8.6       8.7          13.4

　　查看DataFrame的维度：

　　data.shape

　　注意第一列叫索引，和数据库某个表中的第一列类似。结果如下：

　　（200,4）