有没有一种方法可以在python中使用数据集中的变量计数作为预测变量来运行线性回归？

Question

我正在尝试创建一个线性模型来预测给定年份的犯罪量。

数据集设置如下：

示例：-

每个数据点都指向给定日期的一项犯罪

Date      Crime
12-31-15   yes
12-15-15   yes
11-14-13   yes
03-15-11   yes

我想运行一个线性回归，我的预测变量是年份，预测变量是每年的犯罪量。

我所做的，是计算每年的犯罪数量，基本上给出了我：

df['countsofarrests'] = df.groupby('year')['year'].transform('count')

x (2011, 2012, 2013... 2018) the years

y (4123, 2312, 3231... 1231)每年的犯罪数量

我的问题是，我是否可以这样做，这样我就可以预测2019年的犯罪，并且必须按年组合？这样做，我觉得我丢失了很多数据。

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()

model = regressor.fit(x, y)

model.predict(2019)

Answer 1

您所要做的就是:)：

model.predict([[2019]])

import pandas as pd

Date;Crime
12-31-15;yes
12-15-15;yes
11-14-13;yes
03-15-11;yes


df = pd.read_clipboard(sep=';')
df['Date'] = pd.to_datetime(df['Date'])
df['year'] = df.Date.dt.year

print(df)

Date    Crime   year
0   2015-12-31  yes 2015
1   2015-12-15  yes 2015
2   2013-11-14  yes 2013
3   2011-03-15  yes 2011

df = (df.groupby('year').Crime.count()).reset_index()
df
year    Crime
0   2011    1
1   2013    1
2   2015    2

X = df['year'].values.reshape(-1,1)
y = df['Crime']


from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
model = regressor.fit(X, y)

model.predict([[2019]]) 

array([2.83333333])