Python 不创建for循环或函数的每列上的线性回归

对数据帧中的每列或每行应用回归，而不使用for循环

关于这一点，也有类似的帖子，这会对每个“行”进行回归，但给出的答案是错误的。我无法对此发表评论，因为我没有足够的声誉，主要问题是，它接受列的值，但在每一行上使用apply函数

目前我只知道如何做每一个专栏如

np.random.seed(1997)

df = pd.DataFrame(np.random.randn(10, 4))
first_stats = scipy.stats.linregress(df.index,df[0])
second_stats = scipy.stats.linregress(df.index,df[1])

---

我希望在不创建函数或循环的情况下找到答案，类似于；使用df.sum（），但不是sum，我想做一个回归，得到斜率、截距、r值、p值和标准误差。

看下面的例子：

import numpy as np
import pandas as pd
from scipy.stats import linregress

np.random.seed(1997)
df = pd.DataFrame(pd.np.random.rand(100, 10))

df.apply(lambda x: linregress(df.index, x), result_type='expand').rename(index={0: 'slope', 1: 
                                                                                  'intercept', 2: 'rvalue', 3:
                                                                                  'p-value', 4:'stderr'})

---

它应该返回你想要的

应将功能更改为<代码>lambda VAL:linregress（df.index，VAL）。除此之外，它做它所做的。