我有一个 pandas 数据框df，例如:
A,B,C
1,1,1
0.8,0.6,0.9
0.7,0.5,0.8
0.2,0.4,0.1
0.1,0,0
其中三列的排序值为 [0,1]。我正在尝试绘制三个系列的线性回归。到目前为止，我能够使用 scipy.stats 如下:
from scipy import stats
xi = np.arange(len(df))
slope, intercept, r_value, p_value, std_err = stats.linregress(xi,df['A'])
line1 = intercept + slope*xi
slope, intercept, r_value, p_value, std_err = stats.linregress(xi,df['B'])
line2 = intercept + slope*xi
slope, intercept, r_value, p_value, std_err = stats.linregress(xi,df['C'])
line3 = intercept + slope*xi
plt.plot(line1,'r-')
plt.plot(line2,'b-')
plt.plot(line3,'g-')
plt.plot(xi,df['A'],'ro')
plt.plot(xi,df['B'],'bo')
plt.plot(xi,df['C'],'go')
获得以下图:
是否有可能获得一个单一线性回归来总结scipy.stats中的三个单一线性回归？
最佳答案
也许是这样的:
x = pd.np.tile(xi, 3)
y = pd.np.r_[df['A'], df['B'], df['C']]
slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
line4 = intercept + slope * xi
plt.plot(line4,'k-')
关于python - pandas - 数据框列值的线性回归，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/34882764/