以为我也想用一元线性方程，所以一元线性方程对应的x,y的参数，x是自变量，y是因变量，那么其实x应该是日期吧

是的

好像是你说的这样的，那么我是不是把代码里面x变量和y变量换一下就可以了

按照我的理解如果你想研究这个指标的变化趋势，横轴应该是时间，纵轴应该是指标值，那么x应该是时间，y是具体的指标值。你看下是否应该这样。

还有个问题，我这个代码里面，近6的数代表前6个月的数据，对应的y为“1”，那么如果我的斜率是正数，就说明我的近6到近1的数据是上升趋势对吧

我找到原因了，问题出在我的缩进有问题，data2.loc[i,"斜率"]=coef这行代码的缩进不正确导致的，现在可以了，感谢！

我把你的截图下载下来查看，发现里面没有截取斜率数据，你重新截一下

我只跑出来了最后一行数据的斜率，是不是循环出问题了？

我这样跑出来为什么斜率都是空的呢，只有一个有值

for i in range(rows):

reg=linear_model.LinearRegression()

id=data2["credit_no"][i]

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

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

try:

reg.fit(x,y)

coef=reg.coef_[0]

except:

coef="异常情况"

data2.loc[i,"斜率"]=coef

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

plt.rcParams['font.family'] = ['sans-serif']

plt.rcParams['font.sans-serif'] = ['SimHei']

# 读取数据

data_1 = pd.read_excel("直线.xlsx",index_col = "序号")

data_1

#创建一个拟合直线的函数

def linear_regression(x, y):

N = len(x)

sumx = sum(x)

sumy = sum(y)

sumx2 = sum(x ** 2)

sumxy = sum(x * y)

A = np.mat([[N, sumx], [sumx, sumx2]])

b = np.array([sumy, sumxy])

return np.linalg.solve(A, b)

slope = []

for i in range(288):

slope.append(list(linear_regression(data_1.iloc[i],b))[0])

slope

#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]

x=data.loc[i,"近6":"近1"].values.reshape(6,1)

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

#如果遇到不能回归的情况可以跳过去，比如缺失值太多无法回归

try:

reg.fit(x,y)

coef=reg.coef_[0]

except:

coef="异常情况"

data.loc[i,"斜率"]=coef

#将结果导出

data.to_excel("C:\\Users\\Administrator\\Desktop\\结果.xlsx")

2.002就是第一条直线的斜率,你再写个循环即可

https://www.jb51.cc/python/185582.html 你可以参考一下这个网址

对，比如第一个人的x有6个数值，y就是1,2,3,4,5,6，然后拿x和y做出一元线性方程，y=ax+b,我主要想看的是每个客户的这个一元线性方程里面的a,就是斜率

最后多少个人就是多少个斜率

比如第一个人的x有六个数，y有6个数，然后用x和y做回归，求斜率，是这样吗？

你是通过回归求斜率吗？