写一个可以导入数据的一元线性回归分析的代码

一元线性回归是一种预测模型，它假设因变量和一个自变量之间存在线性关系。以下是一个简单的Python代码示例，使用了scikit-learn库来执行一元线性回归分析：

# 导入必要的库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

# 假设我们有一个CSV文件data.csv，其中包含'feature_column'（特征列）和'target_column'（目标列）
# 读取数据
data = pd.read_csv('data.csv')

# 定义特征变量X和目标变量y
X = data['feature_column']
y = data['target_column']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 计算模型性能指标
print(f"系数：{model.coef_}")
print(f"截距：{model.intercept_}")
print("R²得分：", metrics.r2_score(y_test, y_pred))

这个代码首先加载数据，然后分割成训练集和测试集，接着训练模型并做预测。最后，它计算模型的系数、截距以及R²分数（衡量拟合优度的一个指标）。