计算线性回归斜率矩阵（类似于相关矩阵）- Python/Pandas
calculate linear regression slope matrix (analogous to correlation matrix) - Python/Pandas
Pandas 有一个非常好的函数，可以为您的数据 DataFrame 提供相关矩阵 DataFrame，pd.DataFrame.corr().
然而，相关性的 r 并不总是那么有用。根据您的应用，线性回归的斜率可能同样重要。是否有任何函数可以 return 输入矩阵或数据帧？
除了使用 scipy.stats.linregress() 进行迭代之外，这会很痛苦，我看不出有什么方法可以做到这一点吗？
回归线的斜率 y=b0 + b1 * x 也可以使用相关系数计算：b1 = corr(x, y) * σx / σy
使用 numpy 的 newaxis 创建 σx / σy 矩阵：
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
其中 df 是：
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
这是为了验证：
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. ]])
Pandas 有一个非常好的函数，可以为您的数据 DataFrame 提供相关矩阵 DataFrame，pd.DataFrame.corr().
然而，相关性的 r 并不总是那么有用。根据您的应用，线性回归的斜率可能同样重要。是否有任何函数可以 return 输入矩阵或数据帧？
除了使用 scipy.stats.linregress() 进行迭代之外，这会很痛苦，我看不出有什么方法可以做到这一点吗？
回归线的斜率 y=b0 + b1 * x 也可以使用相关系数计算：b1 = corr(x, y) * σx / σy
使用 numpy 的 newaxis 创建 σx / σy 矩阵：
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
其中 df 是：
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
这是为了验证：
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. ]])