线性回归运行失败求助：ValueError报错排查与修复

错误根源 #

你在创建目标变量seller_top_up时犯了语法错误：

seller_top_up = pd.DataFrame(['top_up_by_seller'])

这行代码生成的是一个仅包含字符串'top_up_by_seller'的DataFrame，而非从原数据集data中提取对应的数值列。线性回归模型要求标签（y）必须是数值型数据，因此抛出了ValueError: could not convert string to float: 'top_up_by_seller'的错误。

修正后的完整代码 #

import pandas as pd
import matplotlib.pyplot as plt
from sklearn import linear_model

data = pd.read_csv(r"C:\Users\quynh.tranngoc\Desktop\B32_DownloadTable_20230508_100440.csv")
print(data)

data.shape

data.plot(kind= 'scatter',x = 'total_order', y ='top_up_by_seller')
plt.show()

data.plot(kind='box')
plt.show()

data.corr()

order = pd.DataFrame(data['total_order'])
# 修正：从data中提取top_up_by_seller数值列
seller_top_up = pd.DataFrame(data['top_up_by_seller'])
# 更简洁写法：直接用Series（sklearn支持Series作为y输入）
# seller_top_up = data['top_up_by_seller']
print(order)

lm = linear_model.LinearRegression()
model = lm.fit(order, seller_top_up)

额外提示 #

• 若无需将标签转为DataFrame，直接使用data['top_up_by_seller']（Series类型）作为fit()方法的第二个参数也可行，sklearn线性回归模型兼容该输入格式。
• 运行前请确认data['top_up_by_seller']列均为数值型数据，若存在字符串或缺失值，需先完成数据清洗。

内容的提问来源于stack exchange，提问作者ngọc quỳnh trần