python - 如何按组在 Pandas 中应用 linregress

Question

我想在 Pandas ByGroup 中应用 scipy.stats.linregress。我查看了文档，但我所能看到的只是如何将某些内容应用于单个列，例如

grouped.agg(np.sum)

或者类似的函数

grouped.agg('D' : lambda x: np.std(x, ddof=1)) 

但是我如何应用具有两个输入 X 和 Y 的线性回归？

Answer 1

linregress函数，以及许多其他 scipy/numpy 函数，接受“类数组”X 和 Y，Series 和 DataFrame 都可以符合条件。

例如:

from scipy.stats import linregress
X = pd.Series(np.arange(10))
Y = pd.Series(np.arange(10))

In [4]: linregress(X, Y)
Out[4]: (1.0, 0.0, 1.0, 4.3749999999999517e-80, 0.0)

事实上，能够使用 scipy(和 numpy)函数是 pandas killer 级功能之一!

因此，如果您有一个 DataFrame，您可以在其列(即 Series)上使用 linregress:

linregress(df['col_X'], df['col_Y'])

如果使用 groupby，您可以类似地应用(到每个组):

grouped.apply(lambda x: linregress(x['col_X'], x['col_Y']))