初识线性回归(Excel&Python实现)

1、通过Excel对数据进行线性分析

①、打开Excel文件（这个文件在最后有下载链接）

打开文件之后，文件应该是这样的

②、添加数据分析工具

点击Excel左上角的文件选项：

点击右下角的‘选项’按钮：

进入到Excel选项界面：点击加载项，然后再点击其中的‘转到’

进入到加载项界面，将分析工具库和分析工具库-VBA两个选项勾选上，然后点击确定即可

最后回到最开始的界面中，点击‘数据’选项，如果图中标识的位置也出现了数据分析，那么就添加成功了

③、进行数据分析：

点击刚才添加的数据分析按钮，并将分析工具选为回归，然后点击确定

将身高选为自变量x，体重为因变量y，并选择合适的输出位置, 并勾选上线性拟合图选项

结果图是这样的：

图标：

设置范围和尺度：
双击图表，先修改y轴的范围和尺度，选择“垂直（值）轴”

然后点击方框中的按钮，并设置好最适合的参数

调整之后的图表：

同理，这里的x轴也可以进行同样的修改。

选择图表中的原始数据，右键点击，并选择添加趋势线：

将趋势线设置成下图所示：

设置完成：

按照上面的步骤继续选择200个数据：结果图表如图所示

再选择2000个数据：

2、通过jupyter进行数据分析（不适用第三方库），再次进行上面的试验

①、打开jupyter（点击方框中的按钮）：

②、并新建一个文件：

③、了解最小二乘法求回归曲线的步骤

1、求出x，y的数学期望，分别为x_mean, y_mean
2、斜率b：(∑(xi-x_mean)²) / (∑(xi-x_mean)(yi-y_mean))
截距a：a = y_mean - b * x_mean

3、方程：y=bx+a

④、编写代码：(读取20行数据)

import pandas as pd
import numpy as np
from numpy import array
from numpy import mean
import os
import matplotlib.pyplot as plt
import math

'''
求出x，y的数学期望，分别为x_mean, y_mean
斜率b：(∑(xi-x_mean)²) / (∑(xi-x_mean)(yi-y_mean))
截距a：a = y_mean - b * x_mean
'''
df=pd.read_excel('C:\\迅雷下载\\weights_heights.xls', header=0)  # 从这个路径中读取数据
dl=df.head(20)
x=dl["Weight"]
y=dl["Height"]

#计算平均值
x_mean=mean(x)
y_mean=mean(y)
num=0.0#分子
d=0.0#分母

for x_i,y_i in zip(x,y):
    num+=(x_i-x_mean)*(y_i-y_mean)
    d+=(x_i+x_mean)**2
    
b=num/d
a=y_mean-b*x_mean
y_hat=b*x+a
plt.scatter(x,y)#散点图绘制数据x，y
plt.plot(x,y_hat,color='coral')#绘制图线
plt.axis([80,180,65,72])#规定范围
plt.show()#调用显示

⑤、结果

⑥、200行数据

修改代码，找到dl=df.head(20)，将括号中的20修改为200，读取200行数据

dl=df.head(200)

⑦、2000行代码

将代码中的20修改为2000

3、通过jupyter进行数据分析（借助skleran），再次进行上面的试验

①、20行代码

import numpy as np
import pandas as pd
from contextlib import contextmanager as _contextmanager
import logging
from numpy import array
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
import math


df=pd.read_excel('C:\\迅雷下载\\weights_heights.xls', header=0)  
df.shape  # 读取数据

# 读取20行数据
x=array(df[['Weight']].values[:20,:]) 
y=array(df[['Height']].values[:20,:])

# 线性回归方程
model=LinearRegression(fit_intercept=True,normalize=True)  
model.fit(x,y)  

# 分别表示截距和斜率
a=model.intercept_
b=model.coef_

y_hat=b*x+a

plt.figure()
plt.scatter(x,y)#散点图绘制原始数据
plt.plot(x,y_hat,color='coral')
plt.show()

②、结果（程序运行成功之后会有一个警报，但是不会妨碍结果的正常输出）

③、200行代码

修改代码：找到这两行代码

x=array(df[['Weight']].values[:20,:]) 
y=array(df[['Height']].values[:20,:])

将代码中的20改为200即可

④、2000行代码

跟上面一样修改代码

4、测试文件

注意：这个xls文件中有两个sheet，但是这个程序读取的是第一个，而数据在第二个sheet中，所以最好将第一个sheet删除掉

百度网盘链接 验证码：2023

5、总结

在这次试验中遇到的第一个问题，也是困扰了我很久的问题，就是在上面说到的第一个sheet和第二个sheet的问题，这个程序只能从第一个sheet中读取到数据，但是我又没有注意到xls中有两个sheet，所以在这里卡了有点久。
同时，为了写这个程序，也应该要了解最小二乘法求回归曲线的方法和调用skleran中函数的方法。

6、引用

引用文章