如何在python中计算趋势的陡度

Question

我使用如下的回归斜率来计算趋势的陡度（斜率）。

方案1： 例如，假设我使用了6天（y轴）的销售数据（x轴：1, 4, 6, 8, 10, 15）。

from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
X = [[1], [4], [6], [8], [10], [15]]
y = [1, 2, 3, 4, 5, 6]
regressor.fit(X, y)
print(regressor.coef_)

这给了我0.37709497

方案2： 当我针对不同的销售数字（例如1, 2, 3, 4, 5, 6）运行相同的程序时，得到的结果为1。

但是，您可以看到sales在scenario 1中的工作效率很高，但在scenario 2中却没有。但是，我得到的scenario 2的斜率高于scenario 1。

因此，我不确定回归斜率是否满足了我的要求。我还有其他方法可以用来计算趋势斜率的休眠度吗？

很高兴在需要时提供更多详细信息。

Answer 1

我相信问题在于您的变量已切换。如果要跟踪一段时间内的销售业绩，则应该以其他方式执行回归。您可以反转计算出的斜率以获得正确的值，在第一种情况下，该斜率将显示更高的销售业绩。

import matplotlib.pyplot as plt

days = [1,2,3,4,5,6]
sales1 = [1,4,6,8,10,15]
sales2 = [1,2,3,4,5,6]

df = pd.DataFrame({'days': days, 'sales1': sales1, 'sales2': sales2})
df = df.set_index('days')
df.plot(marker='o', linestyle='--')

以下是您的数据的可视化视图：

{{1}}