对两个csv多组对应列数据作线性回归求R方，斜率和截距

我的数据第一列为时间，所以我将第一列设置索引列
时间后面是三列数据一组，我只求每组数据中的第二列
两个数据行数和列数要一致
最后将每个对应列的数据线性回归计算出来的斜率、截距以及r2保存在一个csv中

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from scipy import stats
# 读取第一个 CSV 文件
data1 = pd.read_csv('F:/20240511.csv',encoding="gbk",index_col=0)
import numpy as np
# 读取第二个 CSV 文件
data2 = pd.read_csv('F:/20240511_2.csv',encoding="gbk",index_col=0)
slope_ = []
intercept_=[]
r_value_=[]
# 提取特定列的数据并进行线性回归

n = 0  # 列偏移量，初始值为0
while True:
    # 计算列索引
    col_index = 1 + n * 3  # 从第2列开始，每组数据有3列，计算列索引
    # 检查索引是否超出数据范围
    if col_index >= len(data1.columns):
        break

    # 提取特定列的数据
    group1 = data1.iloc[:, col_index]
    group2 = data2.iloc[:,col_index]
 
    slope, intercept, r_value, _, _ = stats.linregress(group1, group2)
    # 提取相关系数、R方和截距
    slope_.append(slope)
    intercept_.append( intercept)
    r_value_.append( r_value)
    # 更新列偏移量
    n += 1
slops = pd.DataFrame(slope_, columns=[ 'Coefficient'])
intercept = pd.DataFrame(intercept_, columns=[ 'Intercept'])
r_value = pd.DataFrame(r_value_, columns=[ 'R_squared'])
# 使用 pd.concat() 函数按列合并这三个 DataFrame
combined_df = pd.concat([slops, intercept['Intercept'], r_value['R_squared']], axis=1)

combined_df.to_csv('F:/abs-new_20240511slops_results.csv', index=False)