一、用Microsoft Excel实现
1.添加数据分析的工具
新建空白Excel文档,在菜单栏选择“插入”,“我的加载项”,“管理其他加载项”:
勾选“分析工具库”、“分析工具库-VBA”、“规划求解加载项”,点击确定:
设置想要读取多少组数据(例:第B列从第2列开始读20组数据)
点击确定
二、jupyter实现
先将要读取的文件放入执行路径中方便操作
然后创建一个工程文件
写入以下代码
import pandas as pd
import numpy as np
import math
#准备数据
p=pd.read_excel('weights_heights.xls.xls','weights_heights')
#读取20行数据
p1=p.head(20)
x=p1["Height"]
y=p1["Weight"]
# 平均值
x_mean = np.mean(x)
y_mean = np.mean(y)
#x(或y)列的总数(即n)
xsize = x.size
zi=((x-x_mean)*(y-y_mean)).sum()
mu=((x-x_mean)*(x-x_mean)).sum()
n=((y-y_mean)*(y-y_mean)).sum()
# 参数a b
a = zi / mu
b = y_mean - a * x_mean
#相关系数R的平方
m=((zi/math.sqrt(mu*n))**2)
# 这里对参数保留4位有效数字
a = np.around(a,decimals=4)
b = np.around(b,decimals=4)
m = np.around(m,decimals=4)
print(f'回归线方程:y = {a}x +({b})')
print(f'相关回归系数为{m}')
#借助第三方库skleran画出拟合曲线
y1 = a*x + b
plt.scatter(x,y)
plt.plot(x,y1,c='r')
运行
更改head()中的数值改变读取数据的量有不同的输出
总结
Excel和jupyter解决线性回归问题得出的结果大致相同。Excel只需选中数据,它内部有设计好的算法得出相关数据,很简单。主要遇到的问题就是读取文件的问题,但是只要放在软件的执行路径中就很简单了,可以避免很多问题。