基于列唯一值分组执行多元线性回归并存储结果的Python实现

前置依赖 #

确保已经安装所需库：

pip install pandas statsmodels

实现代码 #

1. 导入库 #

import pandas as pd
import statsmodels.formula.api as smf

2. 定义自定义回归函数 #

你可以根据需求调整返回值，比如返回回归系数、R²、p值，或者完整的拟合对象：

def run_regression(group_data):
    # 回归公式和你之前全量回归的逻辑一致，可按需调整
    model = smf.ols(formula='y_Values ~ a + b + c + d', data=group_data).fit()
    # 示例返回系数字典，如需返回完整拟合对象直接写 return model 即可
    return model.params.to_dict()

3. 按status字段分组执行回归并存储结果 #

方案A：结果存入原表新增列reg_results

同个status分组下的所有行都会存储对应分组的回归结果：

df['reg_results'] = df.groupby('status', group_keys=False).apply(
    lambda g: pd.Series([run_regression(g)] * len(g), index=g.index)
)

方案B：生成单独的回归结果汇总表

每个status对应一条回归结果，适合后续批量分析：

reg_result_summary = df.groupby('status').apply(run_regression).reset_index(name='reg_results')

注意事项 #

分组回归需要保证每组样本量大于特征维度（包含截距项），否则会出现矩阵奇异无法拟合的问题，示例数据分组样本量较小仅做逻辑演示，实际使用请确保数据量充足。
如果你需要实现R代码中的向后逐步筛选功能，可在run_regression函数中加入变量筛选逻辑即可。

内容的提问来源于stack exchange，提问作者g123456k