如何使用Python运用多元回归分析，找出哪些因素影响了电脑的当前价格？所给的数据集有许多非数值型的数据，其中包括了无序特征的非数值型变量操作系统‘OS’，有序特征的非数值型变量weight,display_size,processor_gnrtn，如何处理这些变量使得所给的数据所有列都可以转换为数值型，然后进行多元回归分析？聪明的GPT，请你给出上述问题的具体Python代码。

好的，以下是处理非数值型变量并进行多元回归分析的Python代码：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_csv("data.csv")

# 处理无序特征的非数值型变量
le = LabelEncoder()
data["OS"] = le.fit_transform(data["OS"])

# 处理有序特征的非数值型变量
data["weight"] = pd.to_numeric(data["weight"].str.replace("lbs", ""))
data["display_size"] = pd.to_numeric(data["display_size"].str.replace('"', ""))
data["processor_gnrtn"] = data["processor_gnrtn"].str.replace("th Gen", "").astype(int)

# 进行多元回归分析
X = data.drop(["price"], axis=1)
Y = data["price"]
model = LinearRegression().fit(X,Y)

# 查看回归系数
print(model.coef_)

上述代码中，首先使用Pandas读取数据集，并使用LabelEncoder对无序特征的非数值型变量进行处理，将其转换为数值型。然后，使用pd.to_numeric和astype将有序特征的非数值型变量进行处理，同样将其转换为数值型。最后，使用sklearn中的LinearRegression进行多元回归分析，并输出回归系数。