I can’t find the best model for this dataset, and I have issues with data parsing [closed]

I’m trying to create a few models with python to predict city collaboration with companies, but I keep having problems in the data parsing part, I tried making a random forest model but I had issues with reading the columns, even though I cleaned the data and changed the column names to be the exact same in each file, how I can move past this?
These are the datasets I’m using:
text

Plain text
Copy to clipboard
Open code in new window
EnlighterJS 3 Syntax Highlighter
<code>import pandas as pd
import matplotlib.pyplot as plt
# Load datasets
cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv")
corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv")
# Load datasets
cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv")
cities_responses_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Cities/Cities Responses/2020_Full_Cities_Dataset.csv")
corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv")
corp_water_security_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Water Security/2020_Corporates_Disclosing_to_CDP_Water_Security.csv")
# Merge datasets
merged_2020 = pd.merge(cities_disclosing_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate'))
merged_2020 = pd.merge(merged_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water'))
merged_responses_2020 = pd.merge(cities_responses_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate'))
merged_responses_2020 = pd.merge(merged_responses_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water'))
# Calculate collaboration rates
merged_2020['climate_change_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_climate']).astype(int)
merged_2020['water_security_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_water']).astype(int)
# Calculate impact
merged_responses_2020['impact'] = merged_responses_2020['Response Answer_city'].apply(lambda x: len(str(x)))
# Calculate collaboration rates and average impact
climate_change_collab_rate = merged_2020['climate_change_collaboration'].mean()
water_security_collab_rate = merged_2020['water_security_collaboration'].mean()
average_impact_2020 = merged_responses_2020['impact'].mean()
print(f"Climate Change Collaboration Rate in 2020: {climate_change_collab_rate}")
print(f"Water Security Collaboration Rate in 2020: {water_security_collab_rate}")
print(f"Average Impact on Cities in 2020: {average_impact_2020}")
# Bar plot for collaboration rates
collab_rates = {
'Climate Change': climate_change_collab_rate,
'Water Security': water_security_collab_rate
}
plt.bar(collab_rates.keys(), collab_rates.values())
plt.title('Collaboration Rates in 2020')
plt.ylabel('Rate')
for i, rate in enumerate(collab_rates.values()):
plt.text(i, rate + 0.01, f'{rate:.2f}', ha='center', va='bottom')
plt.show()
# Histogram for impact distribution
plt.hist(merged_responses_2020['impact'], bins=20, edgecolor='black')
plt.title('Impact Distribution in 2020')
plt.xlabel('Impact')
plt.ylabel('Frequency')
plt.show()
</code>
<code>import pandas as pd import matplotlib.pyplot as plt # Load datasets cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv") corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv") # Load datasets cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv") cities_responses_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Cities/Cities Responses/2020_Full_Cities_Dataset.csv") corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv") corp_water_security_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Water Security/2020_Corporates_Disclosing_to_CDP_Water_Security.csv") # Merge datasets merged_2020 = pd.merge(cities_disclosing_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate')) merged_2020 = pd.merge(merged_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water')) merged_responses_2020 = pd.merge(cities_responses_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate')) merged_responses_2020 = pd.merge(merged_responses_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water')) # Calculate collaboration rates merged_2020['climate_change_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_climate']).astype(int) merged_2020['water_security_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_water']).astype(int) # Calculate impact merged_responses_2020['impact'] = merged_responses_2020['Response Answer_city'].apply(lambda x: len(str(x))) # Calculate collaboration rates and average impact climate_change_collab_rate = merged_2020['climate_change_collaboration'].mean() water_security_collab_rate = merged_2020['water_security_collaboration'].mean() average_impact_2020 = merged_responses_2020['impact'].mean() print(f"Climate Change Collaboration Rate in 2020: {climate_change_collab_rate}") print(f"Water Security Collaboration Rate in 2020: {water_security_collab_rate}") print(f"Average Impact on Cities in 2020: {average_impact_2020}") # Bar plot for collaboration rates collab_rates = { 'Climate Change': climate_change_collab_rate, 'Water Security': water_security_collab_rate } plt.bar(collab_rates.keys(), collab_rates.values()) plt.title('Collaboration Rates in 2020') plt.ylabel('Rate') for i, rate in enumerate(collab_rates.values()): plt.text(i, rate + 0.01, f'{rate:.2f}', ha='center', va='bottom') plt.show() # Histogram for impact distribution plt.hist(merged_responses_2020['impact'], bins=20, edgecolor='black') plt.title('Impact Distribution in 2020') plt.xlabel('Impact') plt.ylabel('Frequency') plt.show() </code>
import pandas as pd
import matplotlib.pyplot as plt


# Load datasets
cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv")
corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv")




# Load datasets
cities_disclosing_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Predicting-city-collaboration-with-business/Datasets/Data/Cities/Cities Disclosing/2020_Cities_Disclosing_to_CDP.csv")
cities_responses_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Cities/Cities Responses/2020_Full_Cities_Dataset.csv")

corp_climate_change_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Climate Change/2020_Corporates_Disclosing_to_CDP_Climate_Change.csv")
corp_water_security_2020 = pd.read_csv("C:/Users/User/OneDrive/Documents/Data/Corporations/Corporations Disclosing/Water Security/2020_Corporates_Disclosing_to_CDP_Water_Security.csv")

# Merge datasets
merged_2020 = pd.merge(cities_disclosing_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate'))
merged_2020 = pd.merge(merged_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water'))

merged_responses_2020 = pd.merge(cities_responses_2020, corp_climate_change_2020, on=['Account_Number', 'Year'], suffixes=('_city', '_corp_climate'))
merged_responses_2020 = pd.merge(merged_responses_2020, corp_water_security_2020, on=['Account_Number', 'Year'], suffixes=('', '_corp_water'))

# Calculate collaboration rates
merged_2020['climate_change_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_climate']).astype(int)
merged_2020['water_security_collaboration'] = (merged_2020['theme_city'] == merged_2020['theme_corp_water']).astype(int)

# Calculate impact
merged_responses_2020['impact'] = merged_responses_2020['Response Answer_city'].apply(lambda x: len(str(x)))

# Calculate collaboration rates and average impact
climate_change_collab_rate = merged_2020['climate_change_collaboration'].mean()
water_security_collab_rate = merged_2020['water_security_collaboration'].mean()
average_impact_2020 = merged_responses_2020['impact'].mean()

print(f"Climate Change Collaboration Rate in 2020: {climate_change_collab_rate}")
print(f"Water Security Collaboration Rate in 2020: {water_security_collab_rate}")
print(f"Average Impact on Cities in 2020: {average_impact_2020}")

# Bar plot for collaboration rates
collab_rates = {
    'Climate Change': climate_change_collab_rate,
    'Water Security': water_security_collab_rate
}
plt.bar(collab_rates.keys(), collab_rates.values())
plt.title('Collaboration Rates in 2020')
plt.ylabel('Rate')
for i, rate in enumerate(collab_rates.values()):
    plt.text(i, rate + 0.01, f'{rate:.2f}', ha='center', va='bottom')
plt.show()

# Histogram for impact distribution
plt.hist(merged_responses_2020['impact'], bins=20, edgecolor='black')
plt.title('Impact Distribution in 2020')
plt.xlabel('Impact')
plt.ylabel('Frequency')
plt.show()

New contributor

user26853208 is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
Check out our Code of Conduct.

0

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật