我有一个 Dataframe 和一个事件的输入文本文件。Dataframe 是通过 pandas 生成的。我想使用以下公式找出每个术语的回归系数 Y=C1aX1a+C1bX1b+...+C2aX2a+C2bX2b+....C0 ,
其中 Y 是 active Cna 是位置 n 处残基选择 a 的回归系数，X 是虚拟变量编码(xna = 1 或 0)，对应于位置 n 处是否存在残基选择 a，C0 是事件的平均值。 我的数据框看起来像
2u 2s 4r 4n 4m 7h 7v
0 1 1 0 0 0 1
0 1 0 1 0 0 1
1 0 0 1 0 1 0
1 0 0 0 1 1 0
1 0 1 0 0 1 0
这里的 1 和 0 分别表示存在和不存在残基。 使用 MLR(多元线性回归)我如何找出每个残基的回归系数，即 2u、2s、4r、4n、4m、7h、7v。 C1a表示残基a在第一个位置的回归系数(这里1a是2u，1b是2s，2a是4r...) X1a表示虚拟值即0或1对应于1a。 事件文件包含以下数据
6.5
5.9
5.7
6.4
5.2
所以第一个等式看起来像
6.5=C1a*0+C1b*1+C2a*1+C2b*0+C2c*0+C3a*0+C3b*1+C0 ……
我可以使用 numpy 获得回归系数吗？请帮助我，所有建议将不胜感激。
请您参考如下方法:
让 A 成为您的数据框(您可以将其作为纯粹简单的 numpy 数组获取。如果它是 CSV，请使用 np.loadtxt 读取它)，y 是您的事件文件(同样是一个 numpy 数组)，并使用 np.linalg.lstsq
DF = """0 1 1 0 0 0 1
0 1 0 1 0 0 1
1 0 0 1 0 1 0
1 0 0 0 1 1 0
1 0 1 0 0 1 0"""
res = """6.5, 5.9, 5.7, 6.4, 5.2"""
A = np.fromstring ( DF, sep=" " ).reshape((5,7))
y = np.fromstring(res, sep=" ")
(x, res, rango, svals ) = np.linalg.lstsq(A, y )
print x
# 2.115625, 2.490625, 1.24375 , 1.19375 , 2.16875 , 2.115625, 2.490625
print np.sum(A.dot(x)**2) # Sum of squared residuals:
# 177.24750000000003
print A.dot(x) # Print predicition
# 6.225, 6.175, 5.425, 6.4 , 5.475
