有一个包含 2 个变量的函数。这些变量是大表中的列。
def regr(x, y):
x = acc[x]
y = acc[y]
sns.regplot(x, y, line_kws=dict(color="r"))
plt.savefig('plot_' + ... + '.png')
accc = pd.merge(x, y, left_index= True, right_index = True)
accc.to_excel('table' + ... + '.xlsx')
x 和 y 是从 1 到 2023 的数字。
我研究雪和冰，但这个问题可能不仅是地理学家感兴趣的。
有许多相同长度的时间序列，每个时间序列都指一个特定的地理坐标。例如，今年在i点之一测量并获得了积雪厚度。这些图表是这样的：
如何使用线性回归方程计算其他点的积雪厚度并将结果值添加到表中的单独列中？我附上一个示例表https://docs.google.com/spreadsheets/d/1rWvAlrEt2Ij8eOYuDm0yV2mEFFrjl-OH/edit?usp=sharing&ouid=105326785031219603112&rtpof=true&sd=true。第一列数字用点的序列号替换地理坐标。
到目前为止，我已经成功绘制了一条直线图，描述了两个给定序列的依赖性以及 OLS 回归结果中的一些统计参数。不可能从那里导出系数 K（直线的斜率）（但是，我不能再进一步了。
示例代码如下：
'''
def abl_(x, y):
x = abl[x]
y = abl[y]
x_ = sm.add_constant(x)
model = sm.OLS(y,x_).fit()
print(model.params)
R = model.rsquared.round(2) ** 0.5
print('coefficient of determination, R^2:', model.rsquared.round(2))
print('coefficient of correlationn, R:', R.round(2))
print('value of intersection, b:', model.params.const.round(1))
print('coefficient K = ') # вывод этого параметра не получился
print('y = K * x +', model.params.const.round(1))
ax = sns.regplot(x, y)
ax.set_title('coefficient of correlationn, R: ' + str(R.round(2)))
print('k-parametr:', model.params['x'])
abl_(3,8)
'''
2个随机点之间的直线到代码的图形如下：
言下之意，我知道您需要创建一个函数，在其中放置点数和数量的新值。之后，经过一个循环，数据序列之间自动生成回归方程，代入一个值作为X，输出每个序列的Y。我的python技术还不够，希望大家帮忙。