两个数据帧的线性回归

Question

我有两个数据框：

df = pd.DataFrame([{'A': -4, 'B': -3, 'C': -2, 'D': -1, 'E': 2, 'F': 4, 'G': 8, 'H': 6, 'I': -2}])

df2 看起来像这样（只是一个切口；总共有 ~100 行）。

df2 = pd.DataFrame({'Date': [220412004, 220412004, 220412004, 220412006], 'A': [-0.15584, -0.11446, -0.1349, -0.0458], 'B': [-0.11826, -0.0833, -0.1025, -0.0216], 'C': [-0.0611, -0.0413, -0.0645, -0.0049], 'D': [-0.04461, -0.022693, -0.0410, 0.0051], 'E': [0.0927, 0.0705, 0.0923, 0.0512], 'F': [0.1453, 11117, 0.1325, 0.06205], 'G': [0.30077, 0.2274, 0.2688, 0.1077], 'H': [0.2449, 0.1860, 0.2274, 0.09328], 'I': [-0.0706, -0.0612, -0.0704, -0.02953]})

    Date          A           B            C          D          E         F         G           H       I
3   220412004   -0.15584    -0.11826    -0.0611    -0.04461    0.0927   0.1453    0.30077    0.2449   -0.0706
4   220412004   -0.11446    -0.0833     -0.0413    -0.022693   0.0705   0.11117   0.2274     0.1860   -0.0612
5   220412004   -0.1349     -0.1025     -0.0645    -0.0410     0.0923   0.1325    0.2688     0.2274   -0.0704
7   220412006   -0.0458     -0.0216     -0.0049     0.0051     0.0512   0.06205   0.1077     0.09328  -0.02953

现在我想遍历 df2 并对（df2 的）每一行进行线性回归作为 y 轴，df 作为基数（x 轴）。

我的方法是：

import numpy as np
import pandas as pd
from sklearn.metrics import r2_score

for index, row in df2.iterrows():
     reg = np.polyfit(df, row, 1)
     predict = np.poly1d(reg) 
     trend = np.polyval(reg, df)
     std = row.std() 
     r2 = np.round(r2_score(row.values, predict(df)), 5)

但是，我得到这个错误：

TypeError: can only concatenate str (not "float") to str

有什么想法吗？提前致谢

Answer 1

Numpy 的文档指出 polyfit 函数中的 x 和 y 有 shape (M,) 和 shape (M,) or (M, K)。您不遵守x和'y'的本协议。它应该像 np.polyfit(df.values[0], row.values, 1).

一样使用

注意日期必须传递给索引

两个数据帧的线性回归

Linearregression of two dataframes

python

numpy

linear-regression

dataframe

pandas