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_1*x1+beta_2*x2，利用线性回归的方法，求每列y对应的alpha

好的，让我来回答你的问题。

首先，我们需要导入所需的库：

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

接下来，我们可以用以下代码生成一个10行3列的dataframe：

np.random.seed(42)
df_y = pd.DataFrame(np.random.uniform(10, 100, size=(10, 3)), columns=['y1', 'y2', 'y3']).round(1)

其中，`np.random.seed(42)`是为了保证每次生成的随机数相同，方便调试。`np.random.uniform(10, 100, size=(10, 3))`表示生成一个10行3列的数组，数值在10到100之间的均匀分布。`.round(1)`表示保留一位小数。

接下来，我们可以用以下代码生成一个10行2列的dataframe：

df_x = pd.DataFrame(np.random.uniform(1, 10, size=(10, 2)), columns=['x1', 'x2']).round(1)

其中，`np.random.uniform(1, 10, size=(10, 2))`表示生成一个10行2列的数组，数值在1到10之间的均匀分布。

最后，我们可以利用线性回归的方法求出每列y对应的alpha：

model = LinearRegression()
model.fit(df_x, df_y)
alpha = model.intercept_

其中，`model.fit(df_x, df_y)`表示用df_x拟合df_y，`model.intercept_`表示线性回归模型的截距，即alpha。

希望我的回答能够解决你的问题！