本文档旨在指导读者如何使用Python导入和读取Excel数据集，并在此基础上进行简单的线性回归分析。我们将使用pandas库读取数据，并使用statsmodels库进行线性回归。通过本文，你将学习到数据导入、数据预处理和简单线性回归的基本流程。
1. 数据导入与读取
首先，我们需要导入必要的Python库：pandas用于数据读取和处理，statsmodels.formula.api用于线性回归分析。
import pandas as pd import statsmodels.formula.api as smf
接下来，使用pandas的read_excel()函数读取Excel文件。确保你已经安装了pandas库。如果没有，可以使用pip install pandas进行安装。
excel_file_path = "/Users/zeinabhassano/Documents/Master's_thesis/Gender Inequality/Labor data/ILO modelled estimates/updated/employment by sex and age - ilo modelled estimates (thousands) - annual.xlsx" # 替换为你的文件路径 df = pd.read_excel(excel_file_path) print(df.head()) # 打印前几行数据，检查是否正确读取
注意事项：
立即学习“Python免费学习笔记（深入）”；
- 请将excel_file_path替换为你实际的文件路径。
- 如果Excel文件包含多个sheet，可以使用sheet_name参数指定要读取的sheet。例如：df = pd.read_excel(excel_file_path, sheet_name='Sheet1')。
- 如果遇到文件路径错误或其他读取问题，请检查文件路径是否正确，以及是否具有读取权限。
2. 数据预处理
在进行线性回归之前，通常需要对数据进行预处理。在本例中，我们需要创建一个虚拟变量（dummy variable）来表示性别。假设你的数据集中有一列名为Sex，其中男性表示为Male，女性表示为Female。我们可以创建一个新的列IsMale，当Sex为Male时，IsMale为1，否则为0。
# 假设数据集中有一列名为'Sex'，值为'Male'或'Female' df['IsMale'] = df['Sex'].apply(lambda x: 1 if x == 'Male' else 0) print(df.head()) # 检查新的虚拟变量是否创建成功
注意事项：
立即学习“Python免费学习笔记（深入）”；
- 请根据你的实际数据集修改列名Sex。
- 如果你的性别表示方式不同，请相应地修改lambda函数。
- 根据实际情况，可能还需要处理缺失值、异常值等。
3. 简单线性回归
现在，我们可以使用statsmodels进行简单的线性回归。假设我们要预测就业值（Employment），自变量为IsMale。
# 使用statsmodels进行线性回归
model = smf.ols("Employment ~ IsMale", data=df)
results = model.fit()
print(results.summary())代码解释：
- smf.ols("Employment ~ IsMale", data=df)：定义线性回归模型，Employment为因变量，IsMale为自变量。
- results = model.fit()：拟合模型。
- print(results.summary())：打印回归结果，包括系数、标准误差、p值等。
结果解读：
results.summary()会输出回归结果的详细信息，包括：
- Coefficients (系数): IsMale的系数表示男性相对于女性的就业差异。
- Std. Error (标准误差): 系数的标准误差，用于衡量系数估计的精度。
- t (t值): 用于检验系数是否显著不为0。
- P>|t| (p值): 用于判断系数是否显著。如果p值小于0.05，则认为系数在统计上是显著的。
- R-squared (R方): 衡量模型对数据的拟合程度。R方越接近1，表示模型拟合得越好。
4. 总结
本文档介绍了如何使用Python导入和读取Excel数据集，并进行简单的线性回归分析。我们使用了pandas库读取数据，并使用statsmodels库进行线性回归。通过这些步骤，你可以分析性别对就业的影响。
总结：
- 使用pandas的read_excel()函数读取Excel数据。
- 使用虚拟变量（dummy variable）处理分类变量。
- 使用statsmodels进行线性回归分析，并解读回归结果。
希望这个教程对你有所帮助！
