berechnen lineare Regression Steilheitsmatrix (analog zur Korrelationsmatrix) - Python/Pandas

Question

Pandas hat eine wirklich nette Funktion, die Ihnen eine Korrelationsmatrix Datenrahmen für Ihre Daten DataFrame, pd.DataFrame.corr() gibt.

Die r einer Korrelation ist jedoch nicht immer so informativ. Abhängig von Ihrer Anwendung kann die Steigung der linearen Regression genauso wichtig sein. Gibt es eine Funktion, die das für eine Eingabematrix oder einen Datenrahmen zurückgeben kann?

Anders als Iterieren mit scipy.stats.linregress(), was ein Schmerz wäre, sehe ich keinen Weg, dies zu tun?

Answer 1

Steigung einer Regressionsgeraden y = b + b * x kann auch Koeffizienten unter Verwendung der Korrelation berechnet werden: b = Corr (x, y) * σ _x/σ _y

newaxis Verwendung numpy der die _{σ x}/σ y Matrix zu erzeugen:

df.corr() * (df.std().values/df.std().values[:, np.newaxis]) 
Out[59]: 
      A   B   C 
A 1.000000 -0.686981 0.252078 
B -0.473282 1.000000 -0.263359 
C 0.137670 -0.208775 1.000000 

wo df ist:

df 
Out[60]: 
    A B C 
0 5 6 9 
1 4 4 2 
2 7 3 5 
3 4 3 9 
4 6 5 3 
5 3 8 6 
6 2 8 1 
7 7 2 7 
8 4 1 5 
9 1 6 6 

Und das ist für die Überprüfung:

res = [] 
for col1, col2 in itertools.product(df.columns, repeat=2): 
    res.append(linregress(df[col1], df[col2]).slope) 
np.array(res).reshape(3, 3) 
Out[72]: 
array([[ 1.  , -0.68698061, 0.25207756], 
     [-0.47328244, 1.  , -0.26335878], 
     [ 0.1376702 , -0.20877458, 1.  ]])