如何使用Pandas生成基于前15行consumption~Temperature线性回归斜率的新列'slope15'

你尝试用shift(15)和stats.linregress()没得到预期结果，是因为shift只是偏移数据，没法处理滚动窗口内的逐组计算。我们需要结合pandas的rolling()方法来创建15行的滚动窗口，再对每个窗口计算线性回归斜率。

完整解决方案代码 #

import pandas as pd
from scipy.stats import linregress

# 假设你的数据框是df，先确保日期列是datetime类型（可选，但推荐）
df['date'] = pd.to_datetime(df['date'])

# 定义一个函数，输入窗口数据，返回Temperature对consumption的回归斜率
def get_reg_slope(window):
    x = window['Temperature']
    y = window['consumption']
    # 调用linregress计算回归，提取斜率（忽略其他返回值）
    slope, _, _, _, _ = linregress(x, y)
    return slope

# 生成slope15列：窗口大小15，每一行对应当前行及之前14行的15行数据的斜率
df['slope15'] = df.rolling(window=15).apply(get_reg_slope, raw=False)

关键细节解释 #

1. 滚动窗口设置：rolling(window=15)会为每一行创建一个包含当前行和之前14行的窗口（共15行）。如果你的需求是当前行之前的15行（不包含自身），可以在结果后加.shift(1)，这样索引15及以后的行对应的是索引0-14的15行数据的斜率。
2. raw=False的作用：这个参数确保传递给get_reg_slope的是窗口内的子DataFrame，而不是一维数组，这样我们才能准确提取Temperature和consumption列进行计算。
3. NaN值处理：前14行因为窗口不足15行，无法完成线性回归计算，所以slope15会显示为NaN，这是符合逻辑的结果。

验证示例 #

比如索引14（对应日期2020-12-15）的slope15值，就是用索引0到14的15行完整数据计算出来的Temperature对consumption的线性回归斜率，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者epsilon