工业和信息化部网站备案系统百度推广开户代理

python 做线性回归分析有好几种方式，常要的是 scipy 包，statsmodels 包，以及 sklearn包。
但是个人比较喜欢使用statsmodel进行线性回归，一是其可以更好的呈现回归效果，二是其能够自动跳过缺失值。

1. sklearn则不能方便地显示回归系数的显著性，而statsmodels使用summary方法就可以很直观的显示相关参数。
2. statsmodels对缺失值预测能够直接返回None，而不报错。而如果被预测数据有缺失值，sklearn的LinearRegression缺会报错，这对高效进行回归预测是一个问题
3. smf进行预测的方式更加灵活，支持用字符串构造线性回归公式
4. 需要注意的一个点是，使用smf进行回归预测，如果将数据传回到df中，最好使用df.loc[:,'column_name']的形式，否则会有数据缺失的问题

import statsmodels.formula.api as smf  
import pandas as pddf = pd.read_csv('train.csv')
df['shift_wap'] = df.groupby(['stock_id','date_id'],as_index=False)['wap'].shift(-1).sort_index()lr = smf.ols('shift_wap ~ ask_price + ask_size + wap + bid_price + bid_size+ reference_price + matched_size', data=df).fit() 
print(lr.summary())df.loc[:,'unexpected_wap'] = lr.predict(df[['ask_price','ask_size','wap','bid_price','bid_size','reference_price','matched_size']])