Python 基于线性回归R^2值更改数据帧

我需要将一个线性方程拟合到一个数据帧，并且根据行的拟合程度（R^2值），我需要删除数据帧中的行。我使用的是SciPy linregress函数。我已经尝试了几种方法，但尚未找到一种能满足我需要的方法，例如：

slope, intercept, r_value, p_value, std_err = stats.linregress([df['p_rel',df['y_BET'])
r_sq = r_value ** 2

if r_sq < 0.995:
    '''remove last row from dataframe and run linregress again. repeat this until r_sq >= 0.995 '''

slope，intercept，r_值，p_值，std_err=stats.linregresse（[df['p_rel'，df['y_BET']））
r_sq=r_值**2
如果r_sq<0.995：
''从数据帧中删除最后一行并再次运行linregress。重复此操作直到r_sq>=0.995''

为什么不将其放入函数中

def regress(df):
    slope, intercept, r_value, p_value, std_err = stats.linregress(df['p_rel'], df['y_BET'])

    if r_value ** 2 < 0.995:
        regress(df.iloc[:-1, :])  # call again and regress with last row removed
    else:
        DO STUFF WITH RESULT

您可以使用创建迭代器 它可以在

linregresse

调用序列上迭代。因为它是 一次通过迭代器，对

linregresse

的调用将延迟到必要时

然后可以使用迭代生成器表达式，删除结果，直到

R**2

值大于0.995：

import scipy.stats as stats
import itertools as IT
regressions = (stats.linregress([df['p_rel'].iloc[:-i], df['y_BET'].iloc[:-i]) 
                                for i in range(len(df)))
slope, intercept, r_value, p_value, std_err = next(IT.dropwhile(
    lambda x: x[2]**2 < 0.995, regressions))

将scipy.stats导入为stats
按原样导入itertools
回归=（stats.linregresse（[df['p_rel'].iloc[：-i]，df['y_BET'].iloc[：-i]）
对于范围内的i（len（df）））
斜率，截距，r_值，p_值，标准误差=下一步（IT.dropwhile(
λx:x[2]**2<0.995，回归）

您还可以将其包装到函数中：

def regress_dropping_tail_outliers(x, y, threshold=0.995):
    regressions = (stats.linregress([x.iloc[:-i], y.iloc[:-i]) for i in range(len(x)))
    return next(IT.dropwhile(lambda x: x[2]**2 < threshold, regressions))

slope, intercept, r_value, p_value, std_err = regress_dropping_tail_outliers(
    df['p_rel'], df['y_BET'])

def回归\u丢弃\u尾部\u异常值（x，y，阈值=0.995）：
回归=（范围（len（x））内i的stats.linregresse（[x.iloc[：-i]，y.iloc[：-i]））
返回下一个（IT.dropwhile（lambda x:x[2]**2<阈值，回归））
斜率、截距、r_值、p_值、标准误差=回归、下降、尾部异常值(
df['p_rel']，df['y_BET']

你能发布几行df吗？考虑到它是基于csv文件的，我不知道如何发布数据帧。谢谢，我尝试了一个函数，但我希望能够调用函数外的slope和intercept，但没有运气。这样做会使R^2=1，这不是我需要的。我希望当R^2>=1时该函数停止。@Fungie，它是does.您是否考虑过，对于

n>2

，R平方可能没有达到阈值？我不知道您的数据，但您想要的R平方非常严格，因此很可能在

n=2

之前没有匹配，在这一点上，您的R平方保证等于1。对于此数据集，如果我删除前3行拟合度大于0.995，我已对此进行了测试，但我希望这是一个通用表达式，以便将其应用于其他数据集。@Fungie，你说你删除了第一行？但在你的编码示例中，你提到了删除最后一行。我假设你想删除最后一行（根据你的示例）但是，如果您希望删除第一行，只需将

df.iloc[：-1，：]

更改为

df.iloc[1:，：]

。

def regress_dropping_tail_outliers(x, y, threshold=0.995):
    regressions = (stats.linregress([x.iloc[:-i], y.iloc[:-i]) for i in range(len(x)))
    return next(IT.dropwhile(lambda x: x[2]**2 < threshold, regressions))

slope, intercept, r_value, p_value, std_err = regress_dropping_tail_outliers(
    df['p_rel'], df['y_BET'])