Python 3.x 如何在Python中对每三行进行线性回归？

我想使用for循环和count为每三行做一个线性回归，但我做不到，因为我对线性回归的输入（x&y）感到困惑

这是代码：

from sklearn.metrics import mean_squared_error, r2_score
import statsmodels.api as sm
import numpy as np

year=data_['Year']
value=data_['Value']
count=0
for a,b in zip(year,value):
    print(a,b) 
    count = count+1[input][1]
    window_type='rolling'

    if count%3 == 0 :
        x=data_.loc[0:3,['Year']]
        y=data_.loc[0:3,['Value']]

        reg=linear_model.LinearRegression()
        x_train,x_test,y_train,y_test=train_test_split(x,y,test_size = 0.2 ,random_state=3)
        reg.fit(x,y)

        y4=4*reg.coef_ + reg.intercept_

        print("Equation : 4 *", reg.coef_, "+", reg.intercept_)
        print("Y4 : ", y4)
        print("====")

实际结果：

1 6.262008
2 5.795994
3 5.082562
Equation : 4 * [[-76.71615936]] + [209.89679764]
Y4 :  [[-96.96783982]]
====
1 285.433511
2 260.43560099999996
3 238.71312400000002
Equation : 4 * [[-76.71615936]] + [209.89679764]
Y4 :  [[-96.96783982]]
====
1 2.595145
2 2.508278
3 2.67997
Equation : 4 * [[-76.71615936]] + [209.89679764]
Y4 :  [[-96.96783982]]
====

我想要的结果是： 每三行产生不同的Y4

---

请帮我解决这个问题。

如果我正确理解您的问题，您可以先查阅
确保您的输入

reg.fit（X，y）

为numpy.ndarray类型。说清楚，就你而言

X = np.array([1, 2, 3]).reshape(3,1)
y = np.array([6.262008, 5.795994, 5.082562])
reg=linear_model.LinearRegression()
reg.fit(X,y)
y4=4*reg.coef_ + reg.intercept_
print(np.squeeze(y4))

这应该会回来

4.534075333335

---

实际上我不是这个意思。老实说，我每三排要找不同的y4。因此，我可以看到每三行中的模式。

x

和

y

在循环中似乎没有变化。因此，回归的结果总是相同的。您的意思是使用a和b从

数据中进行选择吗？但是很难测试这一点，因为在代码段
数据中没有定义。@balleveryday是的，我想更改x和y，因此Y4的结果总是每三行不同。数据或输入为-->我认为，如果您创建以在不使用外部数据集的情况下重现问题，那么会更容易。