使用';groupby';关于统计处理的R2值-python
对于我的研究,我有一个R2值的具体计算。它不是使用线性回归函数直接计算的R2值 我使用的代码用于统计处理的R2值(标记为“最佳R2”)。我得到整个x轴和y轴的R2值。但是,数据中有多个“测试事件”。这意味着我需要单个“测试事件”的R2值 到目前为止,我用于计算R2值(以及我需要的输出)的代码如下:使用';groupby';关于统计处理的R2值-python,python,python-3.x,pandas,numpy,scipy,Python,Python 3.x,Pandas,Numpy,Scipy,对于我的研究,我有一个R2值的具体计算。它不是使用线性回归函数直接计算的R2值 我使用的代码用于统计处理的R2值(标记为“最佳R2”)。我得到整个x轴和y轴的R2值。但是,数据中有多个“测试事件”。这意味着我需要单个“测试事件”的R2值 到目前为止,我用于计算R2值(以及我需要的输出)的代码如下: Test_Event best R2 1 0.999 2 0.547 3 0.845 4 0.784 上述最佳R2
Test_Event best R2
1 0.999
2 0.547
3 0.845
4 0.784
上述最佳R2值适用于整个x和y列。 但是,假设我必须将整个数据集拆分为四个事件,每个事件都有自己的R2值。那我怎么得到它呢? 我需要得到上面的代码,给我关于“测试事件”的带有“groupby”的“bestR2”值。 这是一个R2值,经过高度处理,以适合我的研究项目所需的结果。 因此,直接使用Linregress不会有帮助,这就是我计算bestR2时有所不同的原因。 简而言之:我需要通过上述方法计算的多个测试事件的最佳R2值
结果如下:
Test_Event best R2
1 0.999
2 0.547
3 0.845
4 0.784
谢谢你的阅读 您可以按“测试事件”列进行分组,并应用自定义函数计算每个组的最佳\u r2值。自定义函数只是对所需逻辑的包装(这里称为
compute\u best\u r2
)
以下是一个可行的解决方案:
import numpy, pandas as pd
import copy
df=pd.read_excel("...")
def UniqueCombinations(items, n):
if n==0:
yield []
else:
for i in range(len(items)):
for cc in UniqueCombinations(items[i+1:],n-1):
yield [items[i]]+cc
def compute_best_r2(data):
xyDataPairs = data[['x', 'y']].values.tolist()
minDataPoints = len(xyDataPairs)
bestR2 = 0.0
bestDataPairCombination = []
bestParameters = []
for pairs in UniqueCombinations(xyDataPairs, minDataPoints):
x = []
y = []
for pair in pairs:
x.append(pair[0])
y.append(pair[1])
fittedParameters = numpy.polyfit(x, y, 1) # straight line
modelPredictions = numpy.polyval(fittedParameters, x)
absError = modelPredictions - y
Rsquared = 1.0 - (numpy.var(absError) / numpy.var(y))
if Rsquared > bestR2:
bestR2 = Rsquared
bestDataPairCombination = copy.deepcopy(pairs)
bestParameters = copy.deepcopy(fittedParameters)
data['best_r2'] = bestR2
return data
df_with_best_r2 = df.groupby(['test_event']).apply(compute_best_r2)
result = df_with_best_r2[['test_event', 'best_r2']].groupby(['test_event']).agg(['first']).reset_index()[['test_event', 'best_r2']]
result.columns = result.columns.droplevel(-1)
请注意,我将minDataPoints
更改为len(xyDataPairs)
而不是len(xyDataPairs)-1
,因为它看起来像一个bug,请确保这是您想要的
我使用以下样本数据对其进行了测试:
test_event x y
1 1.5 2
1 1 1.8
1 2 4
1 2 6
2 1 1
2 2 2
其结果是:
test_event best_r2
0 1 0.705464
1 2 1.000000
如果需要任何其他信息,或者需要更多澄清,请让我知道。为什么不干脆
groupby(“Test_Event”)
?@cncggvg,我确实尝试过groupby。我在代码开头的“minDataPoints”行之后添加了它。它没有帮助。有趣的是,groupby
没有帮助,您能在excel中提供数据结构吗?