Учитывая DataFrame, я пытаюсь выбрать из нескольких попыток (представленных в виде столбцов) те, которые лучше всего подходят для столбца target.
import pandas as pd # tried with pandas 0.22 and pandas 0.20
data = {0.1: {10000.0: 1.1417023723316702,
20000.0: 1.675669860738065,
30000.0: 2.1391047345794565,
40000.0: 2.588884897140648},
0.3: {10000.0: 3.4251071169950102,
20000.0: 5.027009582214195,
30000.0: 6.4173142037383695,
40000.0: 7.766654691421943},
0.5: {10000.0: 5.708511861658351,
20000.0: 8.378349303690324,
30000.0: 10.695523672897282,
40000.0: 12.94442448570324},
0.7: {10000.0: 7.99191660632169,
20000.0: 11.729689025166454,
30000.0: 14.973733142056194,
40000.0: 18.122194279984534},
0.9: {10000.0: 10.275321350985031,
20000.0: 15.081028746642584,
30000.0: 19.25194261121511,
40000.0: 23.29996407426583},
'target': {10000.0: 8.95547589186585,
20000.0: 12.664955463781974,
30000.0: 15.511339250669858,
40000.0: 17.9109517837317}}
values = pd.DataFrame(data)
values
Out[4]:
0.1 0.3 0.5 0.7 0.9 target
10000.0 1.141702 3.425107 5.708512 7.991917 10.275321 8.955476
20000.0 1.675670 5.027010 8.378349 11.729689 15.081029 12.664955
30000.0 2.139105 6.417314 10.695524 14.973733 19.251943 15.511339
40000.0 2.588885 7.766655 12.944424 18.122194 23.299964 17.910952
Я планировал использовать Pandas DataFrame.corr () , чтобы быстро получить подсказку. Однако результаты, которые я получаю, не являются полными, так как все значения для target против try равны 1.
Что не так с этим подходом:
values.corr()
Out[5]:
0.1 0.3 0.5 0.7 0.9 target
0.1 1.000000 1.000000 1.000000 1.000000 1.000000 0.998252
0.3 1.000000 1.000000 1.000000 1.000000 1.000000 0.998252
0.5 1.000000 1.000000 1.000000 1.000000 1.000000 0.998252
0.7 1.000000 1.000000 1.000000 1.000000 1.000000 0.998252
0.9 1.000000 1.000000 1.000000 1.000000 1.000000 0.998252
target 0.998252 0.998252 0.998252 0.998252 0.998252 1.000000