Python 如何修改此函数以接受多个数据帧？

我编写了这个函数，我希望它能接受多个DF，这样最终的图就有多条预测的绘制线，coef_DF和其余的系数一起完成

该函数从更大的数据集中提取所需的特征和目标，使用线性回归函数进行预测，然后生成模型，绘制数据集上的直线，并返回包含所有系数的df

（这只是一个练习。）

这就是结果：

         Name        Value
0   Intercept       506738
1     Power_1  2.71336e-77
2     Power_2    7.335e-39
3     Power_3   -1.850e-44
4     Power_4    8.437e-50
5     Power_5    0.000e+00
6     Power_6    0.000e+00
7     Power_7    3.645e-55
8     Power_8    1.504e-51
9     Power_9    5.760e-48
10   Power_10    1.958e-44
11   Power_11    5.394e-41
12   Power_12    9.404e-38
13   Power_13   -3.635e-41
14   Power_14    4.655e-45
15   Power_15   -1.972e-49

---

非常感谢

我不知道你到底想要什么。但我建议，下次试着问一个这样的问题，这个问题很容易被在座的其他人提出，也很容易理解

我试着回答你的问题。如果我误解了你的问题，请纠正我

• 将任意数量的数据帧传递给函数并打印：

我创建了三个随机数据帧以供使用：

df1 = pd.DataFrame(np.random.randint(0,10,size=(10, 2)), columns=list('AB'))
df2 = pd.DataFrame(np.random.randint(0,10,size=(10, 2)), columns=list('AB'))
df3 = pd.DataFrame(np.random.randint(0,10,size=(10, 2)), columns=list('AB'))

绘制它们的函数：

得到的结果图：

---

• 将模型的结果放入

  数据框中

关于你的第二个问题，我不打算过多地关注你的确切细节——例如，你的数据帧的列的名称，等等

对于这个特定示例，我生成了两个随机数组：

X = np.random.randint(0,50 ,size=(50, 2))
y = np.random.randint(0,2 ,size=(50, 1))

然后在此数据上拟合线性回归模型

model=LinearRegression().fit(X,y)
predictions=model.predict(X)

然后将其添加到数据帧：

res_df = pd.DataFrame(predictions,columns = ['Value'])

如果您打印

res\u df

    Value
0   0.420395
1   0.459389
2   0.369648
3   0.416058
4   0.644088
5   0.362072
6   0.363157
7   0.468943
.      .
.      .

---

只是为了理解-您想将任意数量的

数据帧

传递给您的函数进行绘图，对吗？@R.p.T是的，并将模型的结果放入DFT中。谢谢，这是一个很好的基础，我将努力使其更加清晰和简洁

res_df = pd.DataFrame(predictions,columns = ['Value'])

    Value
0   0.420395
1   0.459389
2   0.369648
3   0.416058
4   0.644088
5   0.362072
6   0.363157
7   0.468943
.      .
.      .