Question

对于我的研究，我对R2值进行了特定的计算。它不是使用Linregress函数直接计算的R2值。

我使用的代码用于统计处理的R2值（标记为“最佳R2”）。我得到整个x和y轴的R2值。但是，数据中有多个“测试事件”。这意味着我需要为“测试事件”设置R2值

我到目前为止使用的用于计算R2值（以及我需要的输出是什么）的代码如下：

import numpy, scipy,pandas as pd, matplotlib
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import scipy.stats
import copy
df=pd.read_excel("I:/Python/Excel.xlsx")
df.head()

xyDataPairs = df[['x', 'y']].values.tolist()

minDataPoints = len(xyDataPairs) - 1
# utility function
def UniqueCombinations(items, n):
    if n==0:
        yield []
    else:
        for i in range(len(items)):
            for cc in UniqueCombinations(items[i+1:],n-1):
                yield [items[i]]+cc

bestR2 = 0.0
bestDataPairCombination = []
bestParameters = []

for pairs in UniqueCombinations(xyDataPairs, minDataPoints):
    x = []
    y = []
    for pair in pairs:
        x.append(pair[0])
        y.append(pair[1])
    fittedParameters = numpy.polyfit(x, y, 1) # straight line
    modelPredictions = numpy.polyval(fittedParameters, x)
    absError = modelPredictions - y
    Rsquared = 1.0 - (numpy.var(absError) / numpy.var(y))
    if Rsquared > bestR2:
        bestR2 = Rsquared
        bestDataPairCombination = copy.deepcopy(pairs)
        bestParameters = copy.deepcopy(fittedParameters)
    print('best R2', bestR2)

上述最佳R2值适用于整个x和y列。但是，假设我必须将整个数据集分成四个事件，每个事件都有其自己的R2值。那我该怎么办呢？我需要得到上面的代码，相对于“测试事件”，使用“ groupby”给我“ bestR2”值。 R2值经过高度处理以适合我的研究项目所需的结果。因此，直接使用Linregress将无济于事，这就是我计算bestR2不同的原因。简而言之：我需要通过上述方法计算出的多个测试事件的最佳R2值。

结果应如下：

Test_Event  best R2
1           0.999
2           0.547
3           0.845
4           0.784

感谢阅读！

Answer 1

您可以按“ test_event”列进行分组，并应用自定义函数为每个组计算best_r2值。自定义函数只是对所需逻辑（这里称为compute_best_r2）的包装。

以下是可行的解决方案：

import numpy, pandas as pd
import copy

df=pd.read_excel("...")

def UniqueCombinations(items, n):
    if n==0:
        yield []
    else:
        for i in range(len(items)):
            for cc in UniqueCombinations(items[i+1:],n-1):
                yield [items[i]]+cc


def compute_best_r2(data):
    xyDataPairs = data[['x', 'y']].values.tolist()
    minDataPoints = len(xyDataPairs)
    bestR2 = 0.0
    bestDataPairCombination = []
    bestParameters = []

    for pairs in UniqueCombinations(xyDataPairs, minDataPoints):
        x = []
        y = []
        for pair in pairs:
            x.append(pair[0])
            y.append(pair[1])
        fittedParameters = numpy.polyfit(x, y, 1) # straight line
        modelPredictions = numpy.polyval(fittedParameters, x)
        absError = modelPredictions - y
        Rsquared = 1.0 - (numpy.var(absError) / numpy.var(y))
        if Rsquared > bestR2:
            bestR2 = Rsquared
            bestDataPairCombination = copy.deepcopy(pairs)
            bestParameters = copy.deepcopy(fittedParameters)
    data['best_r2'] = bestR2
    return data

df_with_best_r2 = df.groupby(['test_event']).apply(compute_best_r2)
result = df_with_best_r2[['test_event', 'best_r2']].groupby(['test_event']).agg(['first']).reset_index()[['test_event', 'best_r2']]
result.columns = result.columns.droplevel(-1)

请注意，我将minDataPoints更改为len(xyDataPairs)，而不是len(xyDataPairs) - 1，因为这似乎是一个错误，请确保这是您想要的。

我使用以下示例数据对其进行了测试：

test_event  x   y
1          1.5  2
1          1    1.8
1          2    4
1          2    6
2          1    1
2          2    2

哪个结果：

   test_event   best_r2
0           1  0.705464
1           2  1.000000

在经过统计处理的R2值上使用'groupby'-python

1 个答案: