为何scipy.stats.linregress与numpy.polyfit(deg=1)线性回归结果不同？

首先得明确：理论上，这两个函数默认都是用普通最小二乘法（OLS）拟合线性回归，结果应该几乎完全一致。你遇到的差异（尤其是scipy拟合直线高估所有数据的情况）大概率不是算法本身的问题，而是以下几种可能性：

可能的原因分析 #

• 使用时的操作失误
  最常见的是搞反了x和y的传入顺序。比如如果不小心把linregress(y, x)当成了linregress(x, y)，拟合出来的直线就会完全偏离，出现高估/低估所有数据的情况。你可以检查一下自己的代码，确认参数顺序是否正确。
  另外，有没有对其中一组数据做了预处理（比如归一化、缩放）而另一组没有？比如如果给numpy的x做了标准化，scipy的x没做，结果肯定不一样。

• 数值计算的微小精度差异
  虽然都是OLS，但两个函数的底层实现细节不同：numpy的polyfit用的是奇异值分解（SVD）来求解，而scipy的linregress用的是QR分解。这两种方法在处理极端数据（比如你的x里有50这样的大值，y是很小的小数）时，可能会产生极其微小的精度差异，但这种差异通常小到可以忽略，不会出现“高估所有数据”的明显偏差。

• 旧版本scipy的bug
  如果你的scipy版本比较老旧，某些版本的linregress可能存在边缘场景的bug。建议升级到最新稳定版再测试，大概率能解决问题。

scipy.stats.linregress的适用场景 #

它可不是只适用于特定场景，反而比numpy.polyfit多了很多统计功能：

• 除了返回斜率和截距，它还会给出相关系数r、p值、标准误差等统计指标，适合需要做统计推断的场景（比如判断回归关系是否显著、计算置信区间）。
• 而numpy.polyfit更偏向于数值拟合，支持更高次多项式、带权重的拟合，但不提供任何统计检验相关的输出。

建议你做的事 #

1. 先检查代码里的参数顺序和数据预处理步骤，确保两个函数用的是完全相同的原始x和y数据；
2. 升级scipy到最新版本（比如用pip install --upgrade scipy）；
3. 手动计算一次OLS的斜率和截距，和两个函数的结果对比，就能快速定位问题出在哪。

内容的提问来源于stack exchange，提问作者M Waz