Python线性回归建模如何筛选1979-2020年的逐月数据子集

首先你原有代码存在一处变量名笔误：读取csv时将数据存入了data1变量，后续构造DataFrame时错误调用了未定义的data，修正后再添加年份筛选逻辑即可实现需求，完整可运行代码如下：

import pandas as pd
from sklearn import linear_model
from sklearn.model_selection import train_test_split
import statsmodels.api as sm
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
clf = LinearRegression()

# 读取数据
data1 = pd.read_csv (r'C:\Users\User-PC\sample.csv') 
x1 = pd.DataFrame(data1,columns=['Year','Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'])

# 新增：筛选1979-2020年的数据
filtered_data = x1[(x1['Year'] >= 1979) & (x1['Year'] <= 2020)]

# 绘图使用筛选后的数据
plt.plot(filtered_data['Year'], filtered_data['Jan'], color='green')
plt.title('Model 1')
plt.xlabel('Year')
plt.ylabel('index')
plt.show()

# 线性回归示例：以年份为自变量，1月数据为因变量拟合
# 构造特征和标签
X = filtered_data[['Year']]
y = filtered_data['Jan']
# 拟合模型
clf.fit(X, y)
# 输出回归结果
print(f"回归系数：{clf.coef_[0]}")
print(f"截距：{clf.intercept_}")
print(f"模型R²得分：{clf.score(X, y)}")

改动说明 #

• 修正了原代码的变量名笔误，保证数据读取逻辑正常
• 用pandas布尔索引实现年份范围筛选，得到的filtered_data就是1979-2020年的全量数据，你后续所有分析运算都可以基于这个数据集开展
• 补充了最基础的单变量线性回归调用示例，如果你需要用12个月的数据作为特征做其他回归任务，只需调整X和y的取值即可

内容的提问来源于stack exchange，提问作者user2543