基於 R 平方值創建數據框

Question

我有一個如下所示的數據框，

df1 =

Index   bins  one         two         three       four
a       1     0.760207    0.313230    1.257121    3.777180
b       2     0.920607    0.350345    -0.424963   0.032379
c       3     -0.975032   0.580298    1.819454    -0.807784
d       4     -0.886256   0.656349    0.306178    1.172622
e       5     0.512182    0.362790    1.066892    0.250835

我想得到一個數據框，它只給出帶有列 bin 的第一、二、三、四列的 r 平方值。 所以我想要的數據框如下所示。

df2 =

columns     r-square_with_bins
one         0.25
two         0.7
three       0.35
four        0.01
five        0.112

我在這里寫的 r 平方值並不准確，僅用於理解數據幀結構。 而在真實數據集中，有 200 多列，第一列是“bins”。 但問題和這個一樣。

需要幫忙。

Answer 1

您可以使用scipy.stats.linregress()找到rvalue ，然后將其平方為 R²。

首先導入模塊：

import scipy.stats

然后，例如，用'bins'為列'one'計算 R²：

scipy.stats.linregress(df1[['bins', 'one']].to_numpy()).rvalue ** 2

結果是 0.15589578141321594 給我。

為了對所有列執行此操作（除了'bins' ，它是第一列），只需在for循環中執行每個計算（例如，使用列表理解。）

這將創建一個新的 DataFrame df2就像您描述的那樣：

df2 = pd.DataFrame({
    'columns': df1.columns[1:],
    'r-square_with_bins': [
        scipy.stats.linregress(df1[['bins', col]].to_numpy()).rvalue ** 2
        for col in df1.columns[1:]
    ]
})

它產生以下數據幀：

         r-square_with_bins
columns                    
one                0.155896
two                0.171381
three              0.004014
four               0.280958