为逻辑回归'预测变量（期望的目标）创建逆数据的最 佳方法

Question

我正在尝试一种快速方法来创建“逆”，以训练逻辑回归模型。我有销售交易记录（即isSold = 1），我想为第二个日期的isSold = 0等效项创建数据行（显然，我没有该行的数据）。 ..使用以下示例，我需要使用以下内容为“ ABC1”，“ DEF2”，“ GHI3”和“ JKL4”创建4个新行（注意，由于2/2/20已有数据，因此不需要MNO5）。

students = [ ('ABC1', '1/1/20', '5.00' , '2' , '1') ,
             ('DEF2', '1/1/20', '4.95' , '1' , '1' ) ,
             ('GHI3', '1/1/20', '6.50' , '1' , '1' ) ,
             ('JKL4', '1/1/20', '7.10' , '1' , '1' ) ,
             ('MNO5', '1/1/20', '8.45' , '2' , '1') ,
             ('MNO5', '2/1/20', '8.45' , '1' , '1')  ]


df = pd.DataFrame(students, columns = ['Item' , 'Date', 'UnitPrice' ,'Quantity', 'isSold'], index=['a', 'b', 'c' , 'd' , 'e' , 'f'])

任何/所有想法都欢迎-谢谢。

Answer 1

所以睡了之后，我想到了下面的...。

dts = ['1/1/20','2/1/20']
codes = ['ABC1','DEF2','GHI3','JKL4','MNO5']

for i in codes:
    for j in dts:
        new_row = {
          "Item": i ,  
          "Date": j,
          "UnitPrice": 0,
          "Quantity": 0,
          "isSold": 0
        }
        df = df.append(new_row, ignore_index=True)

df = df.drop_duplicates(subset=['Item','Date'], keep='first')

欢迎任何改进或反馈！