Прогнозировать значение, используя нечисловые значения в множественной линейной регрессии

Question

У меня есть набор данных с числовым и нечисловым значениями. Есть столбец с названием модели, года выпуска, типа трансмиссии, типа топлива, объема двигателя и расхода топлива. Мне нужно рассчитать расход топлива с учетом вышеуказанных факторов Мне нужно знать как, можно конвертировать нечисловые значения, конвертировать числовое значение и прогнозировать расход топлива?

Нажмите здесь, чтобы посетить набор данных

Answer 1

Вам нужно переставить все строковые значения в столбцы и заполнить их 0 или 1, звучит как непростая задача, но, как упоминал Дж. Андерсон, упомянутые выше, есть библиотеки, чтобы сделать это очень просто.

Я бы создал обобщенную функцию, используя get_dummies, примерно так:

def dummy_df(df, todummy_list):
    for x in todummy_list:
            dummies = pd.get_dummies(df[x], prefix=x, dummy_na=False)
            df = df.drop(x, 1)
            df = pd.concat([df, dummies], axis=1)
    return df

И вызовите функцию со всеми функциями, которые должны быть подставлены

todummy_list = ['MODEL_NAME', 'TRANS_TYPE', 'FUEL_TYPE']
train = dummy_df(train, todummy_list)

с учетом того, что «поезд» - это кадр данных панд.