Python 中的逻辑回归 - 获取数据

本章详细讨论在 Python 中获取数据以执行逻辑回归的步骤。

下载数据集

如果您还没有下载前面提到的 UCI 数据集，请立即从 https://archive.ics.uci.edu/ml/datasets/bank+marketing 下载。 单击 Data 文件夹。 您将看到以下屏幕 −

单击给定链接下载 bank.zip 文件。 zip 文件包含以下文件 −

我们将使用 bank.csv 文件进行模型开发。 bank-names.txt 文件包含您稍后将需要的数据库的描述。 bank-full.csv 包含一个更大的数据集，您可以将其用于更高级的开发。

在这里，我们将 bank.csv 文件包含在可下载的源 zip 中。 此文件包含逗号分隔的字段。 我们还对该文件进行了一些修改。 建议您使用项目源 zip 中包含的文件进行学习。

加载数据

要从您刚才复制的 csv 文件加载数据，请键入以下语句并运行代码。

In [2]: df = pd.read_csv('bank.csv', header=0)

您还可以通过运行以下代码语句来检查加载的数据 −

IN [3]: df.head()

运行命令后，您将看到以下输出 −

它已经打印了加载数据的前五行。 检查现有的 21 列。 我们将仅使用其中的几列来进行模型开发。

接下来，我们需要清理数据。 数据可能包含一些带有 NaN 的行。 要消除此类行，请使用以下命令 −

IN [4]: df = df.dropna()

幸运的是，bank.csv 不包含任何带 NaN 的行，因此在我们的案例中并不真正需要此步骤。 然而，一般来说，在一个庞大的数据库中很可能发现这样的行。 所以运行上面的语句来清理数据总是比较安全的。

注意 − 您可以使用以下语句轻松检查任何时间点的数据大小 −

IN [5]: print (df.shape)
(41188, 21)

行数和列数将打印在输出中，如上面第二行所示。

接下来要做的是检查每一列是否适合我们要构建的模型。