python读取excel数据实现一元线性回归

可以使用Python中的pandas和scikit-learn库来实现一元线性回归。

首先，需要安装pandas和scikit-learn库，可以使用以下命令进行安装：

pip install pandas scikit-learn

接下来，假设我们有一个名为data.xlsx的Excel文件，其中包含两列数据x和y，我们可以使用以下代码读取数据：

import pandas as pd

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx')

# 获取x和y的值
x = df['x'].values.reshape(-1, 1)
y = df['y'].values.reshape(-1, 1)

接着，我们可以使用scikit-learn库中的LinearRegression模型来进行一元线性回归，代码如下：

from sklearn.linear_model import LinearRegression

# 创建线性回归模型
model = LinearRegression()

# 使用数据训练模型
model.fit(x, y)

# 打印模型的截距和系数
print('Intercept:', model.intercept_)
print('Coefficient:', model.coef_)

最后，我们可以使用matplotlib库将数据和回归线可视化，代码如下：

import matplotlib.pyplot as plt

# 绘制数据散点图
plt.scatter(x, y)

# 绘制回归线
plt.plot(x, model.predict(x), color='red')

# 显示图形
plt.show()

完整代码如下：

import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx')

# 获取x和y的值
x = df['x'].values.reshape(-1, 1)
y = df['y'].values.reshape(-1, 1)

# 创建线性回归模型
model = LinearRegression()

# 使用数据训练模型
model.fit(x, y)

# 打印模型的截距和系数
print('Intercept:', model.intercept_)
print('Coefficient:', model.coef_)

# 绘制数据散点图
plt.scatter(x, y)

# 绘制回归线
plt.plot(x, model.predict(x), color='red')

# 显示图形
plt.show()