Python 根据表中第一列的多元线性回归

我有

pandas.DataFrame

像：

    A    D    V
0  329    0  138
1  329   42  137
2  329   72  141
3  329  106  141
4  329  135  138
5  800    0  150
6  800   30  160
......

现在我想，对于

'A'

中的每个名称，我想使用相应的数字进行线性回归

例如，对于

'329'

，我想使用

['0'，'42'，'72'，'106'，'135']

和

['138'，'137'，'141'，'141'，'138']

进行线性回归

---

我该怎么做呢？

如果使用

pandas.DataFrame.groupby（）

可以分别处理每个名称：

代码：

import numpy as np

def interp(group):
    return list(np.polyfit(group['D'].values, group['V'].values, 1))

# used as
df.groupby('A').apply(interp)

import pandas as pd
df = pd.read_fwf(StringIO(u"""        A    D    V
    329    0  138
    329   42  137
    329   72  141
    329  106  141
    329  135  138
    800    0  150
    800   30  160"""))

print(df.groupby('A').apply(interp))

A
329    [0.0122277757944, 138.131827919]
800             [0.333333333333, 150.0]
dtype: object

测试代码：

import numpy as np

def interp(group):
    return list(np.polyfit(group['D'].values, group['V'].values, 1))

# used as
df.groupby('A').apply(interp)

import pandas as pd
df = pd.read_fwf(StringIO(u"""        A    D    V
    329    0  138
    329   42  137
    329   72  141
    329  106  141
    329  135  138
    800    0  150
    800   30  160"""))

print(df.groupby('A').apply(interp))

A
329    [0.0122277757944, 138.131827919]
800             [0.333333333333, 150.0]
dtype: object

结果：

import numpy as np

def interp(group):
    return list(np.polyfit(group['D'].values, group['V'].values, 1))

# used as
df.groupby('A').apply(interp)

import pandas as pd
df = pd.read_fwf(StringIO(u"""        A    D    V
    329    0  138
    329   42  137
    329   72  141
    329  106  141
    329  135  138
    800    0  150
    800   30  160"""))

print(df.groupby('A').apply(interp))

A
329    [0.0122277757944, 138.131827919]
800             [0.333333333333, 150.0]
dtype: object

---

谢谢但我的结果一直在说：TypeError:必须是str，而不是float。我不明白这里为什么有浮动？是我的数据还是你的？尝试打印（df.dtypes）