在Pandas分组DataFrame上执行Linear Regression结果重复的问题咨询

核心问题 #

1. 函数未使用分组数据：你的lregression函数里直接引用了全局的df，完全没用到groupby传入的分组后data参数，导致每次都是用整个数据集训练模型，所以所有分组返回的都是全局得分。
2. groupby.apply传参错误：你额外传递了X、y参数，但实际上apply会自动把每个分组的DataFrame传给函数的第一个参数，不需要额外传这两个值。

修正后的代码 #

首先修改回归函数：

def lregression(data):
    # 从当前分组的data中提取特征和目标变量
    X = data['sales'].values.reshape(-1, 1)
    y = data['target']
    model = LinearRegression()
    model.fit(X, y)
    return model.score(X, y)

然后调用分组应用：

df.groupby('brand').apply(lregression)

修正逻辑说明 #

• 函数现在接收每个分组的data作为参数，从data里提取当前分组的sales和target，这样每个分组都会单独训练自己的线性回归模型。
• 去掉了多余的X、y参数，groupby.apply会自动把每个分组的DataFrame传入函数，无需手动传递。

内容的提问来源于stack exchange，提问作者chr