Перестановка заголовков в linregress python

Question

Перестановка заголовков в linregress python

1

Я использую Linregress в Python, чтобы получить наклон, перехват и т.д.

Результатом является файл csv. Однако вывод данных не имеет заголовков в столбцах. Вывод данных равен: наклон = 5.562, перехват = 223.5 и т.д.

Изображение прилагается к тому, что я вижу в записной книжке Jupyter (левое изображение), и мне нужно, чтобы данные были как (правое изображение). t переупорядочивает данные, так что заголовки не видны горизонтально, но вертикально.

Будет здорово, если я смогу помочь в этом.

Спасибо за прочтение!!

excelislife 23 сен. 2018, в 02:23

Источник

Теги:

python

pandas

python-3.x

scipy

1 ответ

Ещё вопросы

sacul · Accepted Answer · 2018-09-22T22-40-00.000Z

Вы могли бы сделать что-то вроде:

res = df.groupby('Test_event')[['x','y']].apply(linregress).apply(pd.Series)

res.columns = ['slope','intercept','rvalue','pvalue','stderror']

Хотя прикован apply менее чем идеал

Пример:

>>> df
   Test_event  x   y
0           5  1   4
1           5  1   5
2           5  2   6
3           6  3   8
4           6  4  10
5           6  5  11

>>> res = df.groupby('Test_event')[['x','y']].apply(linregress).apply(pd.Series)
>>> res.columns = ['slope','intercept','rvalue','pvalue','stderror']
>>> res
            slope  intercept    rvalue    pvalue  stderror
Test_event                                                
5             1.5   3.000000  0.866025  0.333333  0.866025
6             1.5   3.666667  0.981981  0.121038  0.288675

В качестве альтернативы вы можете это сделать, но я не уверен, что он более эффективен:

res = (df.groupby('Test_event')
       .apply(lambda group: pd.Series(linregress(group['x'],group['y']))))

res.columns = ['slope','intercept','rvalue','pvalue','stderror']

Спасибо за ответ! Это сработало точно. по мере необходимости :)
Если мне нужно сохранить файл как xlsx, а не csv, что делать?
@scaul, оба метода работают отлично. Спасибо за большую помощь! Есть ли конкретный метод, который является более предпочтительным?
Я поставил второй метод, потому что мне не нравится цепочка 2, apply вплотную, поскольку это медленный итеративный метод ... Но если это набор данных небольшого размера, то это не проблема. Честно говоря, я не уверен, что мой второй метод действительно сильно ускорит его.
Я думаю, что вы абсолютно правы. Когда я использовал первый метод, который я использовал, Jupyter Notebook показал In [*], что указывает на медленный процесс, правильно?
Однако, используя ваш второй метод, я никогда не видел In [*]. Это означает, что это быстрее.