如何使用statsmodels get_rdataset获取数据集？

Question

Python 的

statsmodels

库具有

get_rdataset()

方法，可以获取各种数据集。可以获取的数据集列表在哪里？如何使用它加载数据集？

文档没有提及哪些数据集可用。它只是说

dataname: The name of the dataset you want to download

是必需的参数，但没有提及哪些数据名可以在任何地方使用。

Answer 1

包含所有数据集元信息的 CSV 可以在 https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/datasets.csv 找到，它在

index_url

函数中定义为变量

_get_dataset_meta()

statsmodels.datasets.utils

模块。

当加载此数据集时，例如使用 pandas，它的前 5 行如下所示。

import pandas as pd
datasets = pd.read_csv("https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/datasets.csv")
datasets.head()

如文档所示，

get_rdataset()

的第一个参数是数据名称（在元数据集中记录为Item），第二个参数是数据集所属的包名称。例如，以下内容检索 CSV 中的第一个数据集（因为数据名称是 AER 包中的事务）。

import statsmodels.api as sm
df = sm.datasets.get_rdataset('Affairs', 'AER', cache=True).data
df.head()