一元线性回归

线性回归模型构建
坐标轴可以构建多元的，但是方程现在还是只会一元的

总结一下
困难1：
下载pandas，sklearn，numpy（这个好像还没用到）下载一直失败（太折磨了！）
解决：找镜像网站下
困难2:
Excel表格死活读取不了
解决：Excel表格要和我的python文件在同一个文件夹（以后把红字error直接复制粘帖问搜索引擎，不要到处看视频浪费时间）
困难3:
pandas sklearn matplotlib.pyplot库里的函数看不懂（这个真花眼睛和脑子啊）
解决：bing搜索csdn里找找学学（已经学晕倒了）

总结：这是东拼西凑凑出来的代码
（圆满了）
继续加油

import pandas as pd

# 打印excel表格数据
data = pd.read_excel("秃秃.xlsx")
data.head()
print(data)

# 将第一列第二列的数据分别存入x列表和y列表中
# 把pandas dataframe变成正确格式的numpy数列
x = data.iloc[:, 0].to_numpy().reshape(-1, 1)
y = data.iloc[:, 1].to_numpy().reshape(-1, 1)
lk = len(x)  # 计算有多少组数据
m = data['吸光度'].mean()  # 计算x列表所有数的平均值
n = data['浓度'].mean()  # 计算y列表所有数的平均值
print(m, n)  # 看看m，n是否正确

# 计算一元线性回归方程组
u = 0
t = 0
for i in range(0, lk):
    u += (x[i] - m) * (y[i] - n)
    t += (x[i] - m) ** 2
b = u / t
b = float(b)
a = n - b * m
a = float(a)
# 输出方程组
if a < 0:
    print("y={:.4f}x{:.4f}".format(b, a))
else:
    print("y={:.4f}x+{:.4f}".format(b, a))

# 绘制线性回归坐标轴
from sklearn.linear_model import LinearRegression
# 生成linear regression的模型
linear_regressor = LinearRegression()
linear_regressor.fit(x, y)
y_p = linear_regressor.predict(x)

import matplotlib.pyplot as plt

plt.scatter(x, y)
plt.plot(x, y_p, color="red")
plt.show()