Python Pandas中按组执行回归分析并提取系数的技术问询

没问题，这事儿很容易搞定！咱们用Python的pandas配合statsmodels就能快速实现你要的需求，具体步骤如下：

1. 导入所需库 #

首先得把需要的工具库导入进来：

import pandas as pd
import statsmodels.api as sm

2. 构造你的示例数据集 #

先把你给出的数据转换成DataFrame格式：

data = pd.DataFrame({
    'Group': [1,1,1,2,2,2],
    'Y': [10,5,3,4,2,3],
    'X': [6,4,1,6,4,9]
})

3. 定义回归函数 #

咱们写一个小函数，用来对每个分组的数据执行线性回归，然后返回自变量X的系数：

def get_regression_coeff(group):
    # 添加截距项（statsmodels的OLS需要显式指定）
    X = sm.add_constant(group['X'])
    Y = group['Y']
    # 拟合回归模型
    model = sm.OLS(Y, X).fit()
    # 返回X的系数（注意：索引为1的是X的系数，0是截距）
    return pd.Series({'Group': group['Group'].iloc[0], 'Coefficient': model.params[1]})

4. 按分组应用函数并整理结果 #

用groupby按Group分组，然后把刚才的函数应用到每个分组上，最后整理成你要的格式：

result = data.groupby('Group').apply(get_regression_coeff).reset_index(drop=True)

5. 查看最终结果 #

运行完上面的代码后，打印result就能得到你预期的格式：

print(result)

输出结果（实际运行会得到真实的回归系数，这里用你假设的数值示例）：

Group  Coefficient
0      1         0.25
1      2         0.30

补充说明 #

• 如果你的数据集里有缺失值，记得先做缺失值处理（比如data.dropna()），不然回归会报错
• 如果你不需要截距项，可以去掉sm.add_constant()这一步，但通常线性回归都会包含截距
• 除了statsmodels，你也可以用sklearn的LinearRegression，不过statsmodels的输出更偏向统计分析，提取系数也更直观

内容的提问来源于stack exchange，提问作者Khalid