多索引DataFrame下按站点分组执行Linear Regression的实现问题
解决方案
依赖导入
import pandas as pd import numpy as np from sklearn.linear_model import LinearRegression
核心实现逻辑
先定义单组回归计算函数,再按站点分组批量执行即可:
def group_regression(group): # 过滤缺失值避免计算报错 valid_df = group[['LST', 'Value']].dropna() # 样本量小于2无法拟合回归,返回空值标记 if len(valid_df) < 2: return pd.Series({ 'slope': np.nan, 'intercept': np.nan, 'r2': np.nan, 'valid_sample': len(valid_df) }) X = valid_df['LST'].values.reshape(-1, 1) y = valid_df['Value'].values reg = LinearRegression() reg.fit(X, y) return pd.Series({ 'slope': reg.coef_[0], # 回归斜率 'intercept': reg.intercept_, # 回归截距 'r2': reg.score(X, y), # 拟合优度R² 'valid_sample': len(valid_df) # 有效样本量 }) # 按一级行索引Station_Number分组执行回归 reg_result = df.groupby(level='Station_Number').apply(group_regression).reset_index()
输出的reg_result就是每个站点对应回归结果的结构化表格。
补充:需要p值、标准误等统计量的实现方案
如果需要更丰富的统计结果,可以改用statsmodels库实现:
import statsmodels.api as sm def group_regression_stats(group): valid_df = group[['LST', 'Value']].dropna() if len(valid_df) < 2: return pd.Series({ 'slope': np.nan, 'intercept': np.nan, 'r2': np.nan, 'slope_pvalue': np.nan }) X = sm.add_constant(valid_df['LST']) y = valid_df['Value'] model = sm.OLS(y, X).fit() return pd.Series({ 'slope': model.params['LST'], 'intercept': model.params['const'], 'r2': model.rsquared, 'slope_pvalue': model.pvalues['LST'] }) reg_result = df.groupby(level='Station_Number').apply(group_regression_stats).reset_index()
内容的提问来源于stack exchange,提问作者tillwss
相关产品推荐
相关产品推荐

