python中线性回归等于零的情况下，如何求最后一个x值

假设我有一些数据，我可以用scipy.stats.linregresse计算斜率 例如：

import numpy as np
from scipy import stats

data = np.array([1, 2, 3, -1, -2, -7, -8, 6, 11])
x = np.arange(len(data))
slope = stats.linregress(x, data)[:1]

如你所见，我可以得到线性回归的斜率； 但是我想给数据加上一个x值，使斜率等于零

---

我如何解决这个问题？谢谢

我从这里得到了坡度的数学-

假设您打算：

import numpy as np
from spicy import stats
y = np.array([1,2,3,-1,-2,-7,-8,6,11])
x = np.array(range(0,len(y)))
slope = stats.linregress(x,y).slope

对于上面的设置，您希望在

y

上附加一个值，并将

x

修改为新的

np.array（range（0，len（y））

，这样回归的新斜率将等于

0

。那么，计算附加到

y

的额外数字实际上非常简单

使用上面链接中提供的斜率（

b

）公式，并执行以下操作：

import numpy as np
from spicy import stats
y = np.array([1,2,3,-1,-2,-7,-8,6,11])
x = np.array(range(0,len(y)))
slope = stats.linregress(x,y).slope

将

n

替换为

（n+1）

将

（n+1）

添加到

总和（x）

将未知变量

i

添加到

sum（y）

将

（n+1）i

添加到

总和（x*y）

一旦你这样做了，解出

i

的方程，你就会得到你需要的方程来计算这个值。这就是它的作用：

In [1]: import numpy as np 
   ...: from scipy import stats                                                                                                                                                                                                                                                                                         

In [2]: y = data = np.array([1,2,3,-1,-2,-7,-8,6,11])

In [3]: x = np.array(range(0,len(data)))                                                                                                                                                                                                                                                                                

In [4]: n = len(data)                                                                                                                                                                                                                                                                                                   

In [5]: slope = stats.linregress(x,y).slope                                                                                                                                                                                                                                                                             

In [6]: slope                                                                                                                                                                                                                                                                                                           
Out[6]: 0.4

In [11]: def append_computer(x,y): 
...:     n = len(x) 
...:     m = n+1 
...:     if ((m**2) - sum(x) - m) > 0: 
...:         num = (-1*m*(sum(x*y))+(sum(x)*sum(y))+m*sum(y))/((m**2) - sum(x) - m) 
...:         return num 
...:     else: 
...:         raise ValueError(f"Solution not possible")

In [12]: stats.linregress(np.append(x,n+1), np.append(y,append_computer(x,y))).slope                                                                                                                                                                                                                                    
Out[12]: 0.0

---

你的例子毫无意义。你需要一个

x

和一个

y

来做线性回归。拦截有什么限制吗？顺便说一句，这更像是一个数学问题，而不是一个编程问题。您的示例出现了一个错误，因为您没有提供任何y数据的

scipy.stats.linregresse

。哇~~~~~@Aryan Jain真棒！链接中的公式正是我想要找到的，谢谢