如何在Python中显示每个单独变量的相关系数？

我运行了一个线性回归模型，得到了我的系数。如何在系数旁边打印变量

df = pd.read_csv('data', sep=";")
reg = linear_model.LinearRegression()
reg.fit(df[["age", "area", "bedrooms"]],df.price)
print(reg.coef_)

Output 

[ 6.55199614e-02 -1.86317709e+00  2.20902007e-02]

我希望输出是

age coef: 6.55199614e-02
area coef: -1.86317709e+00
bedroom coef: 2.20902007e-02

---

如果您只想在系数旁边打印变量，您可以使用以下方法：

df=pd.read_csv（'data'，sep=“；”）
reg=线性模型。线性回归（）
colnames=[“年龄”、“面积”、“卧室”]
注册适合度（df[colnames]，df.price）
coefs_map=dict（zip（colnames，reg.coef_））
对于coefs_map.keys（）中的k：
打印（f“{k}:{res[k]}”）

我相信

'\n'.join（col+'coef:'+str（coef）for（col，coef）in-zip（df.columns，reg.coef)

满足您的要求。但是，我推荐以下内容，因为它提供了更易于阅读的输出：

pad_length = 8+max(len(col) for col in df.columns)
output = '\n'.join((col+' coef: ').ljust(pad_length)+str(coef) for 
    (col, coef) in zip(df.columns, reg.coef_))

---

此外，所有这些都假设您的列名都已经是字符串。如果不是，你应该用

str（col）

替换

col
我的首选方法是
pd.Series（reg.coef，index=df.columns）
，然后免费打印。此外，使用
pd.Series
进行其他计算、通过
pd.concat进行模型比较等也更容易