pandas多元线性回归分析

对于pandas库来说，它主要用于数据处理和分析。虽然pandas本身并不提供多元线性回归分析的功能，但可以与其他库（如statsmodels和scikit-learn）结合使用来进行多元线性回归分析。

下面是使用pandas、statsmodels和scikit-learn进行多元线性回归分析的示例代码：

import pandas as pd
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression

# 创建一个DataFrame对象，包含自变量和因变量
data = {'x1': [1, 2, 3, 4, 5],
        'x2': [2, 4, 6, 8, 10],
        'y': [3, 5, 7, 9, 11]}
df = pd.DataFrame(data)

# 使用statsmodels进行多元线性回归分析
X = df[['x1', 'x2']]
y = df['y']
X = sm.add_constant(X)  # 添加常数列
model = sm.OLS(y, X).fit()
print(model.summary())

# 使用scikit-learn进行多元线性回归分析
reg = LinearRegression()
reg.fit(X, y)
print('Coefficients:', reg.coef_)
print('Intercept:', reg.intercept_)

上述代码中，首先创建了一个DataFrame对象，其中包含了自变量x1和x2以及因变量y的数据。然后，使用statsmodels库进行多元线性回归分析，通过调用`sm.OLS(y, X).fit()`来拟合模型并打印出回归结果的摘要信息。接下来，使用scikit-learn库进行多元线性回归分析，通过调用`LinearRegression()`来创建一个线性回归模型，然后使用`fit()`方法拟合模型，并打印出回归系数和截距。