我的时间序列看起来像这样：
date var1 var2 var3 var4 var5 var6
0 2004-09-30 6.252216 10.502101 4.965370 26.828754 3.321060 2.723686
1 2004-10-29 6.861840 9.776618 4.719399 27.621344 2.281346 4.449510
2 2004-11-30 8.171250 10.704045 4.949747 30.259377 2.064655 2.843745
3 2004-12-31 9.702585 11.371383 5.422177 33.578991 -1.008974 2.768579
4 2005-01-31 12.064022 10.628460 6.390097 35.135098 -0.385921 3.244204
我想使用sklearn的线性回归函数来计算此时间序列的斜率，y轴截距和误差（r平方）。请注意，所有这些值都已通过我自己的函数进行了规范化，并且我无需使用sklearn的normalize参数。
到目前为止，这是我的代码，用于对一列进行回归：
reg.fit(df.date.values.reshape(-1, 1), df.var1.values.reshape(-1, 1))
alpha = reg.intercept_[0]
beta = reg.coef_[0][0]
error = reg.score(df.date.values.reshape(-1, 1), df.var1.values.reshape(-1, 1))
values = {"alpha":alpha, "beta":beta, "error": error}
我的问题是，我不知道如何一次性考虑每一列的回归。最重要的是，R ^ 2计算不起作用。
抛开R ^ 2，我的坡度＆amp;截取一些单独的列是不可思议的小：{'beta': -3.205305722098675e-17, 'alpha': 43.05076221170246}
我如何解决这些问题？