多元线性回归-仅删除缺少的值，而不删除整个行-Python

Question

我有一个因变量和许多不同的自变量。在自变量的一列中，我有许多零值，或者我们假设“缺失值”。现在，当我执行多元回归时，模型将受到零的影响，如果缺少值，模型将删除整行。我想要的是，如果模型变量是零值或缺失值，则模型不会考虑该变量，但仍保留其他自变量来预测模型。

这里是多元线性回归的代码：

model= smf.ols('conso_gaz_m2~  Number_rooms+veranda+surface', data=dataset_clean)

假设在Number_rooms中缺少一个值，那么conso_gaz_m2将由其他自变量（游廊，表面等）预测。

是否存在执行该功能的功能？

谢谢。

Answer 1

如果您不希望模型考虑缺少值或等于零的变量，只需从数据集中删除这些模型。

import pandas as pd

# Drop variables with missing values
dataset_clean.dropna(axis = 1, inplace = True)

# Drop variables with values of zero
dataset_clean = dataset_clean.loc[:, ~(dataset_clean == 0).any()]

然后将新的数据框插入模型。