回归分析 python

回归分析是一种统计分析方法，用于探索和建立变量之间的关系。在Python中，可以使用多个库来进行回归分析，例如StatsModels和Scikit-learn。以下是一个简单的回归分析示例：

import pandas as pd
import statsmodels.api as sm

# 创建一个DataFrame来存储数据
data = {'X': [1, 2, 3, 4, 5],
        'Y': [2, 4, 5, 6, 8]}
df = pd.DataFrame(data)

# 添加常数列作为回归模型的截距
df['intercept'] = 1

# 定义自变量X和因变量Y
X = df[['intercept', 'X']]
Y = df['Y']

# 使用最小二乘法进行回归分析
model = sm.OLS(Y, X)
results = model.fit()

# 打印回归结果
print(results.summary())

这是一个简单的线性回归示例，其中自变量X为1到5的整数，因变量Y为对应的观测值。通过调用`sm.OLS()`函数来拟合最小二乘线性回归模型，然后打印出回归结果的摘要。

请注意，这只是一个基本的示例，实际应用中可能需要进行更多的数据预处理、模型选择和评估等步骤。