Python 在数据帧向量化解决方案的子集上迭代拟合回归线？

我正在尝试聚合pandas DataFrame并创建两个新列，它们将是一个斜率和一个简单线性回归拟合的截距

虚拟数据集如下所示：

CustomerID   Month  Value
a                1     10
a                2     20
a                3     20
b                1     30
b                2     40
c                1     80
c                2     90

我希望输出像这样-

值

与

月份

对每个

客户ID

进行回归：

CustomerID    Slope   Intercept
a              0.30          10
b              0.20          30
c              0.12          80

我知道我可以运行一个循环，然后针对每个

customerID

运行线性回归模型，但我的数据集很大，我需要一种矢量化方法。我尝试通过传递线性回归函数来使用

groupby

和

apply

，但没有找到可行的解决方案

---

提前谢谢

通过将

scpiy

与

groupby

一起使用，这里我使用for循环而不是apply，因为

apply

比for循环慢

from scipy import stats

pd.DataFrame.from_dict({y:stats.linregress(x['Month'],x['Value'])[:2] for y, x in df.groupby('CustomerID')},'index').\
     rename(columns={0:'Slope',1:'Intercept'})
Out[798]: 
   Slope  Intercept
a    5.0   6.666667
b   10.0  20.000000
c   10.0  70.000000

---

通过将

scpiy

与

groupby

一起使用，这里我使用for循环而不是apply，因为

apply

比for循环慢

from scipy import stats

pd.DataFrame.from_dict({y:stats.linregress(x['Month'],x['Value'])[:2] for y, x in df.groupby('CustomerID')},'index').\
     rename(columns={0:'Slope',1:'Intercept'})
Out[798]: 
   Slope  Intercept
a    5.0   6.666667
b   10.0  20.000000
c   10.0  70.000000

我试着用。。。你的审判在哪里？有助于正在使用的模块。我们需要一个完整的代码块，包括

import

行。没有找到有效的解决方案。。。你的错误或不期望的结果是什么？我尝试使用。。。你的审判在哪里？有助于正在使用的模块。我们需要一个完整的代码块，包括

import

行。没有找到有效的解决方案。。。您的错误或意外结果是什么？