python用数据分析线性回归代码

在Python中进行数据分析的线性回归代码可以基于Pandas和NumPy库来实现。下面是一个示例代码：

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

# 读取数据
data = pd.read_csv('data.csv')

# 分离自变量和因变量
X = data[['年龄', '性别']]
y = data['收入']

# 创建线性回归模型对象
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 打印回归系数和截距
print("回归系数:", model.coef_)
print("截距:", model.intercept_)

# 预测新数据
new_data = pd.DataFrame({'年龄': [30, 40], '性别': [0, 1]})
predictions = model.predict(new_data)
print("预测结果:", predictions)

请注意，此代码仅为示例，你需要根据自己的数据和需求进行相应的调整。