<\/p>\n
Um erro que voc\u00ea pode encontrar ao usar Python \u00e9:<\/span><\/p>\n Este erro ocorre quando voc\u00ea tenta ajustar um modelo de regress\u00e3o em Python e n\u00e3o consegue converter as vari\u00e1veis categ\u00f3ricas em vari\u00e1veis fict\u00edcias<\/a> antes de ajustar o modelo.<\/span><\/p>\n O exemplo a seguir mostra como corrigir esse erro na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/p>\n Agora suponha que tentamos ajustar um modelo de regress\u00e3o linear m\u00faltipla<\/a> usando equipe, assist\u00eancias e rebotes como vari\u00e1veis preditoras e pontos como vari\u00e1vel de resposta<\/a> :<\/span><\/p>\n Recebemos um erro porque a vari\u00e1vel \u201cequipe\u201d \u00e9 categ\u00f3rica e n\u00e3o a convertemos em uma vari\u00e1vel dummy antes de ajustar o modelo de regress\u00e3o.<\/span><\/p>\n A maneira mais f\u00e1cil de corrigir esse erro \u00e9 converter a vari\u00e1vel \u201cteam\u201d em uma vari\u00e1vel fict\u00edcia usando a fun\u00e7\u00e3o pandas.get_dummies()<\/a> .<\/span><\/p>\n Nota<\/strong> : Confira este tutorial<\/a> para uma r\u00e1pida atualiza\u00e7\u00e3o sobre vari\u00e1veis fict\u00edcias em modelos de regress\u00e3o.<\/span><\/p>\n O c\u00f3digo a seguir mostra como converter \u201cteam\u201d em uma vari\u00e1vel fict\u00edcia:<\/span><\/p>\n Os valores da coluna \u201cequipe\u201d foram convertidos de \u201cA\u201d e \u201cB\u201d para 0 e 1.<\/span><\/span><\/p>\n Agora podemos ajustar o modelo de regress\u00e3o linear m\u00faltipla usando a nova vari\u00e1vel \u201cteam_B\u201d:<\/span><\/p>\n Observe que desta vez conseguimos ajustar o modelo de regress\u00e3o sem erros.<\/span><\/p>\n Nota<\/strong> : Voc\u00ea pode encontrar a documenta\u00e7\u00e3o completa da fun\u00e7\u00e3o ols()<\/strong> na biblioteca statsmodels aqui<\/a> .<\/span><\/p>\n Os tutoriais a seguir explicam como corrigir outros erros comuns em Python:<\/span><\/p>\n Como corrigir KeyError em Pandas<\/a> Um erro que voc\u00ea pode encontrar ao usar Python \u00e9: ValueError : Pandas data cast to numpy dtype of object. Check input data with np.asarray(data). Este erro ocorre quando voc\u00ea tenta ajustar um modelo de regress\u00e3o em Python e n\u00e3o consegue converter as vari\u00e1veis categ\u00f3ricas em vari\u00e1veis fict\u00edcias antes de ajustar o modelo. O exemplo […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2420","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n ValueError<\/span> : Pandas data cast to numpy dtype of object. Check input data with\nnp.asarray(data).\n<\/strong><\/pre>\n Como reproduzir o erro<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12],\n ' points<\/span> ': [14, 19, 8, 12, 17, 19, 22, 25]})\n\n#view DataFrame\n<\/span>df\n\n\tteam assists rebounds points\n0 A 5 11 14\n1 To 7 8 19\n2 A 7 10 8\n3 to 9 6 12\n4 B 12 6 17\n5 B 9 5 19\n6 B 9 9 22\n7 B 4 12 25<\/span><\/span><\/strong><\/pre>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df['points']\n\n#define predictor variables\n<\/span>x = df[['team', 'assists', 'rebounds']]\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#attempt to fit regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()\n\nValueError<\/span> : Pandas data cast to numpy dtype of object. Check input data with\nnp.asarray(data).\n<\/span><\/span><\/strong><\/pre>\n Como corrigir o erro<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12],\n ' points<\/span> ': [14, 19, 8, 12, 17, 19, 22, 25]})\n\n#convert \"team\" to dummy variable\n<\/span>df = pd. get_dummies<\/span> (df, columns=[' team<\/span> '], drop_first= True<\/span> )\n\n#view updated DataFrame\n<\/span>df\n\n assists rebounds points team_B\n0 5 11 14 0\n1 7 8 19 0\n2 7 10 8 0\n3 9 6 12 0\n4 12 6 17 1\n5 9 5 19 1\n6 9 9 22 1\n7 4 12 25 1<\/span><\/span><\/strong><\/pre>\n import<\/span> statsmodels. api<\/span> as<\/span> sm\n\n#define response variable\n<\/span>y = df['points']\n\n#define predictor variables\n<\/span>x = df[['team_B', 'assists', 'rebounds']]\n\n#add constant to predictor variables\n<\/span>x = sm. add_constant<\/span> (x)\n\n#fit regression model\n<\/span>model = sm. OLS<\/span> (y,x). fit<\/span> ()\n\n#view summary of model fit\n<\/span>print<\/span> ( model.summary<\/span> ())\n\n OLS Regression Results \n==================================================== ============================\nDept. Variable: R-squared points: 0.701\nModel: OLS Adj. R-squared: 0.476\nMethod: Least Squares F-statistic: 3.119\nDate: Thu, 11 Nov 2021 Prob (F-statistic): 0.150\nTime: 14:49:53 Log-Likelihood: -19.637\nNo. Observations: 8 AIC: 47.27\nDf Residuals: 4 BIC: 47.59\nDf Model: 3 \nCovariance Type: non-robust \n==================================================== ============================\n coef std err t P>|t| [0.025 0.975]\n-------------------------------------------------- ----------------------------\nconst 27.1891 17.058 1.594 0.186 -20.171 74.549\nteam_B 9.1288 3.032 3.010 0.040 0.709 17.548\nassists -1.3445 1.148 -1.171 0.307 -4.532 1.843\nrebounds -0.5174 1.099 -0.471 0.662 -3.569 2.534\n==================================================== ============================\nOmnibus: 0.691 Durbin-Watson: 3.075\nProb(Omnibus): 0.708 Jarque-Bera (JB): 0.145\nSkew: 0.294 Prob(JB): 0.930\nKurtosis: 2.698 Cond. No. 140.\n==================================================== ============================\n<\/span><\/span><\/strong><\/pre>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Como corrigir: ValueError: n\u00e3o \u00e9 poss\u00edvel converter float NaN em int<\/a>
Como corrigir: ValueError: os operandos n\u00e3o puderam ser transmitidos com formas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"