逻辑回归中Pandas处理分类变量出现map/rdd属性错误如何解决

错误原因 #

• map是Pandas单列（Series对象）的专属方法，你使用双括号[['income']]取数得到的是二维结构的DataFrame对象，没有该属性，触发第一个报错
• rdd是PySpark框架下DataFrame的专属属性，你使用的标准Pandas库不存在该属性，触发第二个报错

修正后可直接运行的代码 #

import pandas as pd
import statsmodels.api as sm

adult_train = pd.read_csv("C:/.../adult_training.csv")
adult_test = pd.read_csv("C:/.../adult_test.csv")

# 拆分特征变量X和目标变量y
X = adult_train[['age', 'hours-per-week', 'num']]
X = sm.add_constant(X)
# 单括号取income列得到Series，直接调用map完成分类值转数值
y = adult_train['income'].map({'<=50K': 0, '>50K': 1}).astype(int)

logreg01 = sm.Logit(y, X).fit()

改动说明 #

• 移除了y赋值时多余的pd.DataFrame()封装和.rdd调用
• 将取income列的双括号改为单括号，得到单列Series对象后再调用map方法完成映射
  运行上述代码即可正常完成逻辑回归模型拟合。

内容的提问来源于stack exchange，提问作者Learning and Improving