python数据分析的回归方程的简单讲解

python数据分析的回归方程的简单讲解（第一种手动实现， 第二种导入库实现）

文章目录

• python数据分析的回归方程的简单讲解（第一种手动实现， 第二种导入库实现）
• 一、使用步骤
  • 1.第一种手动实现
  • 2.第二种导入库实现
• 总结

---

前言

回归方程在拟合数据和预测未来发展，等等领域都具有巨大的作用

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、python数据分析的回归方程的简单讲解（第一种手动实现， 第二种导入库实现）

1.实现过程

代码如下（示例）：

x = [1, 1, 2, 2, 2, 4]
y = [3, 4, 5, 5, 5, 8]

avg_x = 0
sum_square_x = 0
for i in x:
    avg_x += i/len(x)
    sum_square_x += i*i

print('avg_x: ', avg_x, '\nsum_square_x: ', sum_square_x)

avg_y = 0
for i in y:
    avg_y += i/len(y)

print('avg_y: ', avg_y)

sum_x_y = 0
for i, j in zip(x, y):
    sum_x_y += i*j

print('sum_x_y: ', sum_x_y)

proxy_c = 0
proxy_x1 = 0
proxy_x1 = (sum_x_y - avg_x*avg_y*len(x))/(sum_square_x - avg_x*avg_x*len(x))
proxy_c = avg_y - avg_x * proxy_x1

print(f'求得的回归方程为:\ty = {proxy_c} + {proxy_x1} * x1')

实现的结果：：

二、python数据分析的回归方程的简单讲解（第二种导入库实现）

1.实现过程

代码如下（示例）：

import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import warnings warnings.filterwarnings('ignore') import ssl ssl._create_default_https_context 

---

实现的结果：

总结

回归方程在拟合数据和预测未来发展，等等领域都具有巨大的作用，多多了解，有益无害哦