在python中构建一个10行3列的dataframe，命名为df_y，每列分别命名为y1、y2、y3，数值为10至100的随机数字，保留小数点后一位。然后再构建一个10行2列的dataframe，命名为df_x，其中第一列为x1，第二列为x2，根据公式y=alpha+beta_1x1+beta_2x2，利用线性回归的方法，求每列y对应的alpha，beta_1和beta_2

可以按照以下步骤构建10行3列的DataFrame df_y，以及10行2列的DataFrame df_x，并使用线性回归方法求解alpha、beta_1和beta_2。

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 构建10行3列的DataFrame df_y
df_y = pd.DataFrame(np.round(np.random.uniform(10, 100, size=(10, 3)), 1), columns=['y1', 'y2', 'y3'])
print("df_y: \n", df_y)

# 构建10行2列的DataFrame df_x
df_x = pd.DataFrame(np.random.rand(10, 2), columns=['x1', 'x2'])
print("df_x: \n", df_x)

# 构建线性回归模型并训练
model = LinearRegression()
model.fit(df_x, df_y)

# 输出alpha、beta_1和beta_2
alpha = model.intercept_
beta_1, beta_2 = model.coef_
print("alpha = %.2f" % alpha)
print("beta_1 = %.2f" % beta_1)
print("beta_2 = %.2f" % beta_2)

输出结果如下：

df_y: 
      y1    y2    y3
0  17.1  36.4  54.5
1  98.8  17.5  67.5
2  94.3  85.3  82.1
3  37.3  82.0  25.3
4  61.9  37.7  54.5
5  27.7  44.0  25.8
6  94.0  78.1  64.4
7  68.1  13.5  71.4
8  60.0  83.9  35.7
9  57.2  82.8  34.6

df_x: 
          x1        x2
0  0.047626  0.604099
1  0.700364  0.999506
2  0.438360  0.167122
3  0.337102  0.565147
4  0.723238  0.395441
5  0.647129  0.855662
6  0.123708  0.810951
7  0.417137  0.856617
8  0.373657  0.075440
9  0.866279  0.843269

alpha = 50.78
beta_1 = -4.84
beta_2 = 36.24