我想从这个数据集中建立回归模型（前两个是自变量，最后一个是因变量）。我已经使用dataset=pd.read_csv('data.csv')导入了数据集。我之前也建立过模型，但从未处理过将日期格式作为自变量的情况，那么我们应该如何处理这些日期格式来建立回归模型呢？另外，数据集中给定的0值数据应该如何处理？我的数据集如下，格式为.csv:

Month/Day, Sales, Revenue01/01    ,  0    , 001/02    , 100000, 001/03    , 400000, 001/06    ,300000, 001/07    ,950000, 100000001/08    ,10000,  1500001/10    ,909000, 100000001/30    ,12200,  1200002/01   ,950000,  100000002/09     ,10000, 1500002/13    ,909000, 100000002/15    ,12200,  12000

我不知道如何处理这种日期格式和0值

回答：

这里是一个开始。我将您的数据保存到一个文件中，并去除了所有空白字符。

输出:

    Month/Day   Sales  Revenue0  1900-01-01       0        01  1900-01-02  100000        02  1900-01-03  400000        03  1900-01-06  300000        04  1900-01-07  950000  10000005  1900-01-08   10000    150006  1900-01-10  909000  10000007  1900-01-30   12200    120008  1900-02-01  950000  10000009  1900-02-09   10000    1500010 1900-02-13  909000  100000011 1900-02-15   12200    12000

由于您的数据中未提供年份，因此年份默认设置为1900。如果您需要更改年份，这是一个额外的问题。要更改年份，请参阅：Pandas: 更改日期

输出:

    Month/Day   Sales  Revenue0  2017-01-01       0        01  2017-01-02  100000        02  2017-01-03  400000        03  2017-01-06  300000        04  2017-01-07  950000  10000005  2017-01-08   10000    150006  2017-01-10  909000  10000007  2017-01-30   12200    120008  2017-02-01  950000  10000009  2017-02-09   10000    1500010 2017-02-13  909000  100000011 2017-02-15   12200    12000

最后，要找出列之间的相关性，只需使用df.corr():

print(df.corr())

输出:

            Sales   RevenueSales    1.000000  0.953077Revenue  0.953077  1.000000