如何解决Pandas Series调用apply执行polyfit拟合时的报错问题？

错误原因分析 #

1. apply()方法遍历Series时，传入lambda函数的参数是单个元素值，你之前的写法把整个Series传入linear_trend函数，导致np.polyfit接收的输入维度不匹配，触发类型错误。
2. np.polyfit做一阶拟合返回的是长度为2的数组（第一个元素是斜率，第二个是截距），直接将数组赋值给DataFrame的单列，会触发数组元素赋值的序列错误。
3. 第一种写法里你把a定义成了和原Series等长的Series，传入polyfit时直接传入整个Series作为输入，维度完全不匹配，自然报错。

解决方案 #

根据你的需求（固定第一个值和其余每个值分别拟合，再求均值），提供两种可直接运行的实现：

方案1：保存每次拟合的斜率、截距，再计算均值 #

适合需要留存每一次拟合结果的场景：

import numpy as np
import pandas as pd

# 取固定的第一个基准值，注意统一你的DataFrame变量名，避免df和df_plot混用
a = df['sensor'].iloc[0]

def linear_trend(a,b):
    return np.polyfit([1,2],[a,b],1)

# 遍历每个元素做拟合
fit_results = df['sensor'].apply(lambda b: linear_trend(a, b))
# 拆分斜率、截距为单独的列
df['slope'] = fit_results.apply(lambda x: x[0])
df['intercept'] = fit_results.apply(lambda x: x[1])

# 计算所有拟合结果的均值
slope_mean = df['slope'].mean()
intercept_mean = df['intercept'].mean()

方案2：直接计算最终均值，不需要留存中间拟合结果 #

a = df['sensor'].iloc[0]
# 直接遍历所有值拟合后取斜率求均值
slope_mean = df['sensor'].apply(lambda b: np.polyfit([1,2],[a,b],1)[0]).mean()

内容的提问来源于stack exchange，提问作者josseossa