通过调用dir(reg),可以查看reg后面可以跟哪些属性和方法

好的，如果想看完整的回归方程并画图，可以操作吗

reg.coef_ 这个是编写sklearn库的人这样命名的，coef_是reg对象的一个属性，这个命名我们自己改不了。也许编写这个库的人哪天觉得coef_这个名字不好听就换掉。目前就只能这样用

coef=reg.coef_[0]后面的[0]是切片位置从0开始对吧，那reg.coef和[0]中间为什么会有下划线呢

这一句没什么用

序号那一列的第i个值就是第i个人的id

id=data["序号"][i]

这行是怎么实现调取第i行数据的，我看后面没有调用id的代码呀

如果想看整个线性回归方程并画图，可以看吗？

这是把某个斜率从斜率列表里面调出来，虽然只有一个x也就是一个斜率，但是这个斜率也是放在一个列表里，需要通过切片的方式把这个数字调出来

coef=reg.coef_[0]

这个代码是啥意思

id=data["序号"][i]

这行是怎么实现调取第i行数据的，我看后面没有调用id的代码呀

#导入库

import pandas as pd

import numpy as np

#导入数据

data=pd.read_excel("C:\\Users\\Administrator\\Desktop\\1599639998_298148.xlsx")

from sklearn import linear_model

#将没有求得的斜率预设为缺失值

data["斜率"]=np.nan

#求数据行数

rows=data.shape[0]

#从第一行（第一个人）开始，进行循环，多少行数据就循环多少次，做多少个回归

for i in range(rows):

reg=linear_model.LinearRegression()

#调取第i行的x数据

id=data["序号"][i]

#要求y是一维数组

y=data.loc[i,"近6":"近1"].values

#要求x是二维数组，哪怕x只由一个变量

x=np.array([1,2,3,4,5,6]).reshape(6,1)

try:

reg.fit(x,y)

coef=reg.coef_[0]

except:

coef="异常情况"

data.loc[i,"斜率"]=coef

不客气！

好的 谢谢!

是的，斜率为正表示上升，为负表示下降

出来了，这种情况下，斜率是正数，就是表示6个月由远到近数值在上升吧

出现这个错误是因为传入的y要求是一维数组，x要求是二维数组，而你简单互换身份后，没有讲x设定为二维数组，y设定为一维数组。应该这样改：

#要求y是一维数组

y=data.loc[i,"近6":"近1"].values

#要求x是二维数组，哪怕x只由一个变量

x=np.array([1,2,3,4,5,6]).reshape(6,1)

出现这个错误是因为传入的y要求是一维数组，x要求是二维数组，而你简单互换身份后，没有讲x设定为二维数组，y设定为一维数组。应该这样改：

#要求y是一维数组

y=data.loc[i,"近6":"近1"].values

#要求x是二维数组，哪怕x只由一个变量

x=np.array([1,2,3,4,5,6]).reshape(6,1)

变换x和y以后，代码这么写，斜率出来都显示是异常情况，是什么原因呢

for i in range(rows):

reg=linear_model.LinearRegression()

id=data2["credit_no"][i]

x=[1,2,3,4,5,6]

y=data2.loc[i,"近6个月里程数":"近1个月里程数"].values.reshape(6,1)

try:

reg.fit(x,y)

coef=reg.coef_[0]

except:

coef="异常情况"

data2.loc[i,"斜率"]=coef

是的x就是日期，一般x是确定的，能够控制的，日期就相当于是确定的，每走一个月加一个数字1